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！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉浙江師范大學(xué)申請的專利一種基于可逆音像變換和擴散模型的動靜脈內(nèi)瘺異常檢測方法及系統(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：CN120304789B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-08-22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：202510807919.X，技術(shù)領(lǐng)域涉及：A61B5/02；該發(fā)明授權(quán)一種基于可逆音像變換和擴散模型的動靜脈內(nèi)瘺異常檢測方法及系統(tǒng)是由陳祎;吳瓊;張微;邵杰;余美芳;劉雯;陳達(dá)如設(shè)計研發(fā)完成，并于2025-06-17向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種基于可逆音像變換和擴散模型的動靜脈內(nèi)瘺異常檢測方法及系統(tǒng)在說明書摘要公布了：本發(fā)明涉及醫(yī)療健康監(jiān)測領(lǐng)域，公開了一種基于可逆音像變換和擴散模型的動靜脈內(nèi)瘺異常檢測方法及系統(tǒng)，所述方法包括：采集內(nèi)瘺震顫音樣本；對內(nèi)瘺震顫音樣本進(jìn)行預(yù)處理；利用可逆音像變換將已預(yù)處理后的內(nèi)瘺震顫音樣本轉(zhuǎn)換為幅度譜圖與相位譜圖；將幅度譜圖輸入經(jīng)正常樣本訓(xùn)練的擴散模型，通過去噪重構(gòu)生成契合正常樣本分布的幅度譜圖；將重構(gòu)幅度譜圖結(jié)合原始相位譜圖利用可逆音像變換還原為重構(gòu)內(nèi)瘺震顫音樣本；對原始與重構(gòu)內(nèi)瘺震顫音樣本進(jìn)行多頻段的特征提取，訓(xùn)練多簇高斯聚類模型，并基于對數(shù)似然閾值實現(xiàn)異常分類，判斷內(nèi)瘺狹窄。本發(fā)明通過上述技術(shù)方案，能夠顯著提高動靜脈內(nèi)瘺異常檢測的準(zhǔn)確度與魯棒性。

本發(fā)明授權(quán)一種基于可逆音像變換和擴散模型的動靜脈內(nèi)瘺異常檢測方法及系統(tǒng)在權(quán)利要求書中公布了：1.一種基于可逆音像變換和擴散模型的內(nèi)瘺震顫音數(shù)據(jù)處理方法，其特征在于，包括如下步驟： 步驟S10，建立內(nèi)瘺震顫音樣本數(shù)據(jù)庫； 步驟S20，對內(nèi)瘺震顫音樣本進(jìn)行預(yù)處理； 步驟S30，利用可逆音像變換將已預(yù)處理后的內(nèi)瘺震顫音樣本轉(zhuǎn)換為幅度譜圖與相位譜圖； 步驟S40，將幅度譜圖輸入經(jīng)正常樣本訓(xùn)練的擴散模型，通過去噪重構(gòu)生成契合正常樣本分布的幅度譜圖； 步驟S50，將重構(gòu)幅度譜圖結(jié)合原始相位譜圖利用可逆音像變換還原為重構(gòu)內(nèi)瘺震顫音樣本； 步驟S60，對原始與重構(gòu)內(nèi)瘺震顫音樣本分頻段計算重構(gòu)誤差與能量特征，組成特征向量后訓(xùn)練多簇高斯聚類模型，并基于對數(shù)似然值設(shè)定閾值實現(xiàn)異常分類； 其中，所述步驟S40，包括如下步驟： 步驟S41，對原始幅度譜圖定義逐漸增大的噪聲尺度參數(shù)，構(gòu)建條件概率分布并通過公式遞推采樣含噪圖像，并在頻率維劃分區(qū)域施加不同噪聲擾動，在高頻區(qū)域設(shè)置較大噪聲尺度； 步驟S42，構(gòu)建基于U-Net的噪聲預(yù)測網(wǎng)絡(luò)，引入高頻注意力機制，通過頻率值計算與頻率加權(quán)函數(shù)構(gòu)造注意力權(quán)重張量，增強模型對高頻區(qū)域的關(guān)注； 步驟S43，采用標(biāo)簽為“正常”的幅度譜圖樣本進(jìn)行訓(xùn)練，通過正向擴散生成加噪譜圖并輸入網(wǎng)絡(luò)，利用對數(shù)域均方誤差損失函數(shù)訓(xùn)練噪聲預(yù)測網(wǎng)絡(luò)； 步驟S44，利用確定性采樣策略，從初始高斯噪聲圖像出發(fā)執(zhí)行逆擴散過程，通過確定性采樣公式逐步恢復(fù)清晰的重構(gòu)幅度譜圖； 其中，所述步驟S43中所述對數(shù)域均方誤差損失函數(shù)為： ， 其中，為原始幅度譜圖，為模型最終預(yù)測的重構(gòu)幅度譜圖，為防止對數(shù)計算中出現(xiàn)零值的平滑項，和為幅度譜圖的橫軸和縱軸坐標(biāo)； 其中，所述步驟S44中所述確定性采樣公式為： ， 其中，t為逆向擴散過程中的時間步，為在時間步的帶噪幅度譜圖，為當(dāng)前擴散步的噪聲衰減系數(shù)，為累計保持因子，為噪聲預(yù)測結(jié)果，為在時間步預(yù)設(shè)的噪聲尺度參數(shù)，表示來自標(biāo)準(zhǔn)正態(tài)分布的隨機擾動； 其中，所述步驟S50，包括如下步驟： 步驟S51，對重構(gòu)幅度譜圖進(jìn)行反歸一化處理以恢復(fù)原始幅度大小； 步驟S52，將反歸一化后的重構(gòu)幅度譜圖與重采樣后的相位譜圖融合，構(gòu)建包含振幅與相位信息的重構(gòu)復(fù)數(shù)頻譜圖； 步驟S53，對復(fù)數(shù)頻譜圖執(zhí)行逆短時傅里葉變換，通過離散逆傅里葉變換及幀移重疊加和生成完整時間域重構(gòu)音頻信號，且采用與正向短時傅里葉變換一致的逆短時傅里葉變換參數(shù)以確保可逆性； 其中，所述步驟S60，包括如下步驟： 步驟S61，對原始與重構(gòu)內(nèi)瘺震顫音進(jìn)行頻段劃分，分別計算各頻段的重構(gòu)誤差與能量特征，建立特征向量； 步驟S62，對大規(guī)模正常樣本的特征進(jìn)行標(biāo)準(zhǔn)化處理，并訓(xùn)練多分量高斯混合模型，擬合正常分布特征，基于依據(jù)3σ原則，設(shè)定異常檢測閾值； 步驟S63，計算待檢測樣本的頻段特征對應(yīng)的對數(shù)似然值，并與異常檢測閾值比較，判定是否異常，并輸出結(jié)果。

如需購買、轉(zhuǎn)讓、實施、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)人浙江師范大學(xué)，其通訊地址為：321004 浙江省金華市婺城區(qū)迎賓大道688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)”。