买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜之江实验室申请的专利一种基于全肝影像和深度学习的全自动肝癌复发风险预测系统及装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118782251B 。

龙图腾网通过国家知识产权局官网在2025-03-28发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411266240.6，技术领域涉及：G16H50/30；该发明授权一种基于全肝影像和深度学习的全自动肝癌复发风险预测系统及装置是由李劲松;黄超;胡佩君;赵艳霞;周天舒设计研发完成，并于2024-09-11向国家知识产权局提交的专利申请。

本一种基于全肝影像和深度学习的全自动肝癌复发风险预测系统及装置在说明书摘要公布了：本发明公开了一种基于全肝影像和深度学习的全自动肝癌复发风险预测系统及装置，包括：增强CT肝脏自动分割模块，用于基于增强CT图像获取全肝掩码；增强CT肝癌自动分割模块，用于基于增强CT图像和全肝掩码获取肝癌掩码；基于全肝影像和深度学习的复发风险预测模块，用于基于增强CT图像和全肝掩码获取全肝感兴趣区域，并结合肝癌掩码作为共同输入，预测风险评分，并生成与复发风险相关的显著性图。本发明通过对包括肿瘤在内的全肝影像区域建模分析，充分挖掘肿瘤内和肿瘤外肝脏实质中重要的复发风险相关信息，该系统性能超出了传统临床模型和基于肿瘤的模型，并且具有全自动和非侵入性的优点，有助于改进对肝癌患者的个性化管理。

本发明授权一种基于全肝影像和深度学习的全自动肝癌复发风险预测系统及装置在权利要求书中公布了：1.一种基于全肝影像和深度学习的全自动肝癌复发风险预测系统，其特征在于，该系统包括：增强CT肝脏自动分割模块，用于基于增强CT动脉期和门脉期图像获取全肝掩码；所述增强CT肝脏自动分割模块中的模型是通过采用增强CT图像对多个已公开发表的肝脏分割模型重新训练而成，分别为模型1：nnU-Net，模型2：PraNet，模型3：UNet3+，模型4：AttentionU-Net；这些模型分别用于分割增强CT动脉期和门脉期图像中的肝脏区域，并生成对应的全肝掩码；然后，通过投票法集成各模型的结果，确定每个像素点的最终肝脏标签；增强CT肝癌自动分割模块，用于基于增强CT动脉期和门脉期图像和全肝掩码获取肝癌掩码；所述增强CT肝癌自动分割模块以增强CT动脉期和门脉期图像以及全肝掩码作为输入，该模块中的增强CT肝癌自动分割模型为将PA-ResSeg中单期相注意力模块扩展为双期相注意力模块，用于融合动脉期和门脉期信息；最终，所述增强CT肝癌自动分割模块实现同时精准分割出动脉期和门脉期图像中的肝癌区域，生成肝癌掩码；基于全肝影像和深度学习的复发风险预测模块，用于基于增强CT动脉期和门脉期图像和全肝掩码获取动脉期和门脉期全肝感兴趣区域，并结合肝癌掩码作为共同输入，对动脉期和门脉期图像经由卷积神经网络依次产生的多个分辨率的特征图分别进行特征提取，每次提取的动脉期和门脉期的特征图分别进行期相间特征融合和输出尺度特异特征向量，不同尺度特异特征向量合称多尺度特征，期相间特征融合后生成新的动脉期和门脉期特征图用于下一层卷积，最后一层卷积生成的动脉期和门脉期特征图进行拼接融合后得到主干特征向量，该主干特征向量与多尺度特征拼接后输入多层全连接得到全肝影像特征，其后再输入一层全连接层，预测并输出复发风险评分，该复发风险评分越高表示复发风险越高；基于全肝影像和深度学习的复发风险预测模块采用一种深度卷积神经网络进行复发风险预测，具体如下：所述深度卷积神经网络的架构依次包括特征提取主干、期相间注意力单元、多尺度特征提取单元和复发风险评分输出单元；所述特征提取主干旨在实现基于全肝影像的特征提取，包含两条结构完全相同的平行神经网络分支，分别为动脉期分支与门脉期分支；动脉期分支和门脉期分支的输入分别为第一阶段生成的动脉期全肝感兴趣区域与肝癌掩码，以及门脉期全肝感兴趣区域和肝癌掩码；每条分支均从一层三维卷积开始，随后依次连接四个卷积区块，每个卷积区块对应一个分辨率层，依次包括卷积降采样层、卷积层、批量归一化层、线性整流函数ReLU激活层和残差连接；两条分支的输出在通道维度上拼接之后连接卷积层和全连接层，最终输出六十四维的主干特征向量；在所述特征提取主干的每个分辨率层中，动脉期和门脉期分支的上一分辨率层输出的特征图将分别输入所述期相间注意力单元，完成期相间特征融合，再分别生成新的动脉期和门脉期特征图随后作为所述特征提取主干下一分辨率层的输入，最后一个期相间注意力单元生成的动脉期和门脉期特征图拼接后输入新的卷积区块并得到主干特征向量；在所述特征提取主干的每个非最高分辨率层，动脉期和门脉期分支的上一分辨率层输出的特征图将同时输入所述多尺度特征提取单元，以提取并融合来自动脉期和门脉期的信息，用于输出当前分辨率层的尺度特异特征向量；具体来说，所述多尺度特征提取单元首先将动脉期和门脉期分支的上一分辨率层输出的特征图分别进行最大池化处理，不同分辨率层的最大池化操作均使用统一的目标尺寸；经最大池化后的动脉期和门脉期特征图分别通过卷积层进行特征转换，然后在通道维度上拼接，再输入另一个卷积层实现双期相信息的融合；最终，融合后的特征图被拉平后输入两个全连接层，输出六十四维的尺度特异特征向量；所述特征提取主干总共包括四个非最高分辨率层，最后将输出四个六十四维的尺度特异特征向量；将所述特征提取主干得到的主干特征向量与所述多尺度特征提取单元的四个六十四维的尺度特异特征向量拼接，依次输入三层全连接层，最终输出复发风险评分，该复发风险评分表示个体复发风险与基线复发风险之比的对数，复发风险评分越高反映患者复发风险越高。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人之江实验室，其通讯地址为：311121 浙江省杭州市余杭区中泰街道科创大道之江实验室；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。