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

龍圖騰網(wǎng)獲悉深圳大學申請的專利一種基于磁共振成像數(shù)據(jù)的圖像分類方法獲國家發(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：CN115187807B 。

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：202210708007.3，技術(shù)領(lǐng)域涉及：G06V10/764；該發(fā)明授權(quán)一種基于磁共振成像數(shù)據(jù)的圖像分類方法是由雷海軍;張瑜宸;雷柏英;黃忠唯;陳梓豪;劉偉鑫;丘新云;趙夢祿設(shè)計研發(fā)完成，并于2022-06-22向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種基于磁共振成像數(shù)據(jù)的圖像分類方法在說明書摘要公布了：本發(fā)明公開了一種基于磁共振成像數(shù)據(jù)的圖像分類方法，所述方法包括：獲取大腦神經(jīng)影像的三維數(shù)據(jù)，并對所述三維數(shù)據(jù)進行預處理，得到磁共振成像數(shù)據(jù)；將所述磁共振成像數(shù)據(jù)輸入至訓練好的圖像分類模型，通過所述圖像分類模型輸出圖像類別；其中，所述圖像分類模型包含提取的大腦神經(jīng)影像的空間維度特征和通道維度特征。本發(fā)明實施例通過對三維磁共振成像數(shù)據(jù)的深度學習，可以得到磁共振成像數(shù)據(jù)的高級特征，通過圖像分類模型提取磁共振成像數(shù)據(jù)的特征通過引入注意力機制和自監(jiān)督學習，得到更具有判別力的空間關(guān)系的高級特征，這樣可以得到更精準的圖像類別。

本發(fā)明授權(quán)一種基于磁共振成像數(shù)據(jù)的圖像分類方法在權(quán)利要求書中公布了：1.一種基于磁共振成像數(shù)據(jù)的圖像分類方法，其特征在于，所述方法包括： 獲取大腦神經(jīng)影像的三維數(shù)據(jù)，并對所述三維數(shù)據(jù)進行預處理，得到磁共振成像數(shù)據(jù)； 將所述磁共振成像數(shù)據(jù)輸入至訓練好的圖像分類模型，通過所述圖像分類模型輸出圖像類別；其中，所述圖像分類模型包含提取的大腦神經(jīng)影像的空間維度特征和通道維度特征； 所述圖像分類模型包括若干階段模塊、三維反卷積塊、平均池化層和全連接層，每個所述階段模塊包括兩個三維殘差模塊和一個三維注意力洗牌模塊； 所述將所述磁共振成像數(shù)據(jù)輸入至訓練好的圖像分類模型，通過所述圖像分類模型輸出圖像類別包括： 將所述磁共振成像數(shù)據(jù)依次輸入若干階段模塊； 針對每個階段模塊，通過每個階段模塊中的兩個三維殘差模塊輸出初始特征，將所述初始特征輸入至三維注意力洗牌模塊，得到階段模塊輸出特征； 將最后一個階段模塊輸出的階段模塊輸出特征作為第一特征； 將所述第一特征輸入至平均池化層，得到第二特征； 將所述所述第二特征輸入至全連接層，得到圖像類別。

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)人深圳大學，其通訊地址為：518060 廣東省深圳市南山區(qū)南海大道3688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)”。