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！

龙图腾网恭喜中国人民解放军空军特色医学中心申请的专利基于神经网络模型的糖尿病视网膜病变检测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：CN118365604B 。

龙图腾网通过国家知识产权局官网在2025-04-04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：202410465023.3，技术领域涉及：G06T7/00；该发明授权基于神经网络模型的糖尿病视网膜病变检测装置是由曹珊珊;刘勇;王华;姚璐;赵传芳;申雅洁设计研发完成，并于2024-04-18向国家知识产权局提交的专利申请。

本基于神经网络模型的糖尿病视网膜病变检测装置在说明书摘要公布了：本申请公开了一种基于神经网络模型的糖尿病视网膜病变检测装置，其通过利用神经网络模型从糖尿病患者对象的视网膜图像中学习关于病变的隐含关键特征信息，从而利用这种隐含关键特征信息进行糖尿病视网膜的病变检测和识别。这样，为医生提供可靠的辅助诊断信息，同时减轻医生的工作负担。

本发明授权基于神经网络模型的糖尿病视网膜病变检测装置在权利要求书中公布了：1.一种基于神经网络模型的糖尿病视网膜病变检测装置，其特征在于，包括：视网膜图像获取模块，用于获取糖尿病患者对象的视网膜图像；规整模块，用于对所述视网膜图像进行数据规整以得到多个视网膜子区域图像；全局本质特征提取模块，用于对所述多个视网膜子区域图像进行全局图像语义本质特征提取以得到全局视网膜语义特征图；病变评估判决模块，用于基于所述全局视网膜语义特征图，确定病变评估结果；所述规整模块，包括：图像预处理单元，用于对所述视网膜图像进行预处理以得到预处理后视网膜图像；局部区域划分单元，用于对所述预处理后视网膜图像进行区域划分以得到所述多个视网膜子区域图像；所述全局本质特征提取模块，包括：局部视网膜特征提取单元，用于利用深度学习网络模型对所述多个视网膜子区域图像分别进行局部视网膜特征提取以得到多个视网膜子区域特征图；交互关注强化单元，用于将所述多个视网膜子区域特征图分别通过三重交互关注模块以得到多个强化视网膜子区域特征图；本质特征蒸馏单元，用于将所述多个强化视网膜子区域特征图输入基于本质特征提取网络的特征蒸馏器以得到所述全局视网膜语义特征图；所述局部视网膜特征提取单元，用于：将所述多个视网膜子区域图像分别通过基于卷积神经网络模型的视网膜图像特征提取器以得到所述多个视网膜子区域特征图；所述交互关注强化单元，用于：以如下空间维度增强公式对所述视网膜子区域特征图进行处理以得到空间维度增强后视网膜子区域特征图；其中，所述空间维度增强公式为：α1＝δW2*σW1*X 其中，α1为空间信息权重矩阵，X为所述视网膜子区域特征图，为所述空间维度增强后视网膜子区域特征图，W1表示1×1的卷积，W2表示7×7的卷积，*表示卷积操作，σ·表示ReLU函数，δ·表示Sigmoid函数，表示哈达玛积；以如下第一空间与通道信息交互公式对所述视网膜子区域特征图进行处理以得到第一交互信息增强后视网膜子区域特征图；其中，所述第一空间与通道信息交互公式为：α2＝δW2*σW1*XT1 其中，α2为第一空间与通道信息交互权重矩阵，X为所述视网膜子区域特征图，为所述第一交互信息增强后视网膜子区域特征图，W1表示1×1的卷积，W2表示7×7的卷积，*表示卷积操作，σ·表示ReLU函数，δ·表示Sigmoid函数，表示哈达玛积，·T1和Trans·表示特征图的转置处理；以如下第二空间与通道信息交互公式对所述视网膜子区域特征图进行处理以得到第二交互信息增强后视网膜子区域特征图；其中，所述第二空间与通道信息交互公式为：α3＝δW2*σW1*XT2 其中，α3为第二空间与通道信息交互权重矩阵，X为所述视网膜子区域特征图，为所述第二交互信息增强后视网膜子区域特征图，W1表示1×1的卷积，W2表示7×7的卷积，*表示卷积操作，σ·表示ReLU函数，δ·表示Sigmoid函数，表示哈达玛积，·T2和Trans·表示特征图的转置处理；以如下融合公式对所述空间维度增强后视网膜子区域特征图、所述第一交互信息增强后视网膜子区域特征图和所述第二交互信息增强后视网膜子区域特征图进行处理以得到所述强化视网膜子区域特征图；其中，所述融合公式为： 其中，为所述空间维度增强后视网膜子区域特征图，为所述第一交互信息增强后视网膜子区域特征图，为所述第二交互信息增强后视网膜子区域特征图，为所述强化视网膜子区域特征图，f·,·表示特征图的级联处理。

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中国人民解放军空军特色医学中心，其通讯地址为：100080 北京市海淀区阜成路28号；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”。