買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉南昌大學(xué)申請的專利一種便攜式智能非酒精脂肪肝檢測方法及系統(tǒng)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN120236743B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-08-15發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202510706698.7，技術(shù)領(lǐng)域涉及：G16H50/20；該發(fā)明授權(quán)一種便攜式智能非酒精脂肪肝檢測方法及系統(tǒng)是由黃菊花;鄢琦昊設(shè)計(jì)研發(fā)完成，并于2025-05-29向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種便攜式智能非酒精脂肪肝檢測方法及系統(tǒng)在說明書摘要公布了：本發(fā)明涉及數(shù)據(jù)處理領(lǐng)域，提出一種便攜式智能非酒精脂肪肝檢測方法及系統(tǒng)，通過線性最小二乘法和一維卷積神經(jīng)網(wǎng)絡(luò)，對衰減系數(shù)和背向散射系數(shù)進(jìn)行優(yōu)化提取，進(jìn)一步提高了檢測的準(zhǔn)確性，再通過非線性回歸模型進(jìn)行定量關(guān)系分析，基于能量吸收法對超聲脂肪分?jǐn)?shù)進(jìn)行定量分析，節(jié)約了檢測所需的能量，滿足了便攜檢測的要求，又結(jié)合不同的超聲系數(shù)并提高了分析的準(zhǔn)確性，又設(shè)計(jì)肝臟綜合驗(yàn)證模型進(jìn)行仿真驗(yàn)證處理，實(shí)現(xiàn)了智能化驗(yàn)證和智能化評估，避免了對專業(yè)知識的依賴，使得檢測結(jié)果更符合實(shí)際情況，將優(yōu)化后的結(jié)果進(jìn)行可視化展示處理，使得檢測結(jié)果更直觀更清晰，提高了檢測的便捷性，本發(fā)明提高了非酒精脂肪肝檢測方法的準(zhǔn)確性和便捷性。

本發(fā)明授權(quán)一種便攜式智能非酒精脂肪肝檢測方法及系統(tǒng)在權(quán)利要求書中公布了：1.一種便攜式智能非酒精脂肪肝檢測方法，其特征在于，包括： 獲取基礎(chǔ)超聲信號參數(shù)并提取超聲綜合系數(shù)，所述超聲綜合系數(shù)包括衰減系數(shù)和背向散射系數(shù)，所述提取超聲綜合系數(shù)基于線性最小二乘法和一維卷積神經(jīng)網(wǎng)絡(luò)； 所述獲取基礎(chǔ)超聲信號參數(shù)并提取超聲綜合系數(shù)的步驟，具體包括： 獲取基礎(chǔ)超聲信號參數(shù)，對所述基礎(chǔ)超聲信號參數(shù)中的深度范圍進(jìn)行數(shù)據(jù)截取，以確定深度軸區(qū)域； 根據(jù)滑動窗口分析所述基礎(chǔ)超聲信號參數(shù)，以獲取包絡(luò)信號參數(shù)，根據(jù)目標(biāo)動態(tài)進(jìn)行滑動窗口調(diào)節(jié)，在所述深度軸區(qū)域的滑動窗口進(jìn)行所述包絡(luò)信號參數(shù)求解，所述深度軸區(qū)域的滑動窗口的中心確定深度值，根據(jù)所述深度值和所述基礎(chǔ)超聲信號參數(shù)的頻率值獲取二維矩陣； 根據(jù)弱散射玻恩近似對所述深度值和所述頻率值進(jìn)行衰減系數(shù)和背向散射系數(shù)估計(jì)，再根據(jù)線性最小二乘法進(jìn)行求解提取，以獲取衰減系數(shù)和背向散射系數(shù)； 將所述衰減系數(shù)和背向散射系數(shù)輸入一維卷積神經(jīng)網(wǎng)絡(luò)中，以進(jìn)行系數(shù)增強(qiáng)提取； 所述進(jìn)行衰減系數(shù)和背向散射系數(shù)估計(jì)的原理公式如下： ， 其中，表示弱散射玻恩近似，表示電激勵和換能器的綜合效應(yīng)值，表示衍射效應(yīng)值，表示累積的衰減系數(shù)，表示背向散射系數(shù)，表示頻率值，表示深度值； 所述將所述衰減系數(shù)和背向散射系數(shù)輸入一維卷積神經(jīng)網(wǎng)絡(luò)中，以進(jìn)行系數(shù)增強(qiáng)提取的步驟，具體包括： 對基礎(chǔ)超聲信號參數(shù)進(jìn)行時間軸-深度軸轉(zhuǎn)換，以截取所述基礎(chǔ)超聲信號參數(shù)中RF信號段的時間軸信息，根據(jù)互相關(guān)算法進(jìn)行感興趣區(qū)域跟蹤調(diào)節(jié)，以動態(tài)調(diào)節(jié)時間軸區(qū)域的滑動窗口； 將衰減系數(shù)和背向散射系數(shù)輸入一維卷積神經(jīng)網(wǎng)絡(luò)，所述一維卷積神經(jīng)網(wǎng)絡(luò)基于檢測目標(biāo)的歷史相關(guān)檢測參數(shù)構(gòu)建； 根據(jù)深度可分離卷積提取基礎(chǔ)超聲特征，將基礎(chǔ)超聲特征按照特征尺度劃分為多個不同尺度的特征組，對每個所述特征組進(jìn)行通道注意力增強(qiáng)處理，以獲取多個不同尺度的注意力增強(qiáng)特征組，根據(jù)從低到高的特征尺度順序?qū)⑺鲎⒁饬υ鰪?qiáng)特征組進(jìn)行逐級融合，以獲取多尺度超聲特征； 將所述多尺度超聲特征分別輸入衰減系數(shù)支路和背向散射系數(shù)支路進(jìn)行系數(shù)提取，以分別獲取增強(qiáng)衰減系數(shù)和增強(qiáng)背向散射系數(shù)； 根據(jù)所述超聲綜合系數(shù)進(jìn)行定量關(guān)系分析，以獲取超聲脂肪分?jǐn)?shù)，所述定量關(guān)系分析基于能量吸收法，所述超聲脂肪分?jǐn)?shù)基于非線性回歸模型計(jì)算； 根據(jù)現(xiàn)場可編程門陣列架構(gòu)進(jìn)行B-mode超聲成像處理，以獲取目標(biāo)基礎(chǔ)超聲圖像； 根據(jù)肝臟綜合驗(yàn)證模型進(jìn)行仿真驗(yàn)證處理，以獲取目標(biāo)優(yōu)化超聲圖像，所述肝臟綜合驗(yàn)證模型包括基礎(chǔ)仿真模型和多系數(shù)驗(yàn)證模型； 根據(jù)所述超聲綜合系數(shù)、所述超聲脂肪分?jǐn)?shù)和所述目標(biāo)優(yōu)化超聲圖像進(jìn)行可視化評估報告，所述可視化評估報告基于圖像分割模型，所述圖像分割模型包括形態(tài)學(xué)修正優(yōu)化和連通域分析優(yōu)化。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人南昌大學(xué)，其通訊地址為：330000 江西省南昌市紅谷灘新區(qū)學(xué)府大道999號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。