買(mǎi)專利賣(mài)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)獲悉上海深至信息科技有限公司申請(qǐng)的專利一種結(jié)節(jié)鈣化醫(yī)學(xué)圖像的處理方法獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN113920082B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)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(qǐng)?zhí)?專利號(hào)為：202111163375.6，技術(shù)領(lǐng)域涉及：G06V20/70；該發(fā)明授權(quán)一種結(jié)節(jié)鈣化醫(yī)學(xué)圖像的處理方法是由徐棟;姚勁草;馮博健;徐靜;朱瑞星;楊琛;汪麗菁;陳麗羽;歐笛;李偉;鄭逸設(shè)計(jì)研發(fā)完成，并于2021-09-30向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種結(jié)節(jié)鈣化醫(yī)學(xué)圖像的處理方法在說(shuō)明書(shū)摘要公布了：本發(fā)明提供一種結(jié)節(jié)鈣化醫(yī)學(xué)圖像的處理方法，涉及醫(yī)學(xué)圖像處理技術(shù)領(lǐng)域，包括：對(duì)采集得到的各結(jié)節(jié)鈣化醫(yī)學(xué)圖像中的結(jié)節(jié)鈣化區(qū)域進(jìn)行標(biāo)注得到對(duì)應(yīng)的標(biāo)注圖像；根據(jù)各標(biāo)注圖像訓(xùn)練得到圖像處理模型，圖像處理模型包括依次連接的殘差網(wǎng)絡(luò)模塊、反堆疊模塊、群空洞卷積網(wǎng)絡(luò)模塊、堆疊模塊和決策網(wǎng)絡(luò)模塊；將待處理醫(yī)學(xué)圖像輸入圖像處理模型中處理得到待處理醫(yī)學(xué)圖像中的結(jié)節(jié)鈣化區(qū)域的語(yǔ)義概率熱圖，并將語(yǔ)義概率熱圖作為待處理醫(yī)學(xué)圖像的處理結(jié)果。有益效果是克服了現(xiàn)有技術(shù)對(duì)結(jié)節(jié)圖像鈣化區(qū)域語(yǔ)義分辨能力差，鈣化區(qū)域語(yǔ)義特征提取易受相似背景干擾問(wèn)題，解決了因結(jié)節(jié)鈣化區(qū)域較小導(dǎo)致的結(jié)節(jié)鈣化醫(yī)學(xué)圖像語(yǔ)義概率熱圖提取效果不佳等問(wèn)題。

本發(fā)明授權(quán)一種結(jié)節(jié)鈣化醫(yī)學(xué)圖像的處理方法在權(quán)利要求書(shū)中公布了：1.一種結(jié)節(jié)鈣化醫(yī)學(xué)圖像的處理方法，其特征在于，包括： 步驟S1，采集多個(gè)結(jié)節(jié)鈣化醫(yī)學(xué)圖像，并對(duì)各所述結(jié)節(jié)鈣化醫(yī)學(xué)圖像中的結(jié)節(jié)鈣化區(qū)域進(jìn)行標(biāo)注得到對(duì)應(yīng)的標(biāo)注圖像； 步驟S2，根據(jù)各所述標(biāo)注圖像訓(xùn)練得到一圖像處理模型，所述圖像處理模型包括依次連接的殘差網(wǎng)絡(luò)模塊、反堆疊模塊、群空洞卷積網(wǎng)絡(luò)模塊、堆疊模塊和決策網(wǎng)絡(luò)模塊； 步驟S3，將一待處理醫(yī)學(xué)圖像輸入所述圖像處理模型中，依次經(jīng)由所述殘差網(wǎng)絡(luò)模塊、所述反堆疊模塊、所述群空洞卷積網(wǎng)絡(luò)模塊、所述堆疊模塊和所述決策網(wǎng)絡(luò)模塊進(jìn)行處理，得到所述待處理醫(yī)學(xué)圖像中的所述結(jié)節(jié)鈣化區(qū)域的語(yǔ)義概率熱圖，并將所述語(yǔ)義概率熱圖作為所述待處理醫(yī)學(xué)圖像的處理結(jié)果； 所述殘差網(wǎng)絡(luò)模塊的網(wǎng)絡(luò)結(jié)構(gòu)為8層，且各層串行排布，其中： 第一層為卷積層； 第二層為最大池化層； 第三層的子殘差層包括2個(gè)并行排布的分支，將各分支的輸出按元素進(jìn)行相加； 第四層的子殘差層與第三層的子殘差層網(wǎng)絡(luò)結(jié)構(gòu)相同，并將各分支的輸出按元素進(jìn)行疊加； 第五層至第八層的子殘差層均包括2個(gè)并行排布的分支，將各分支的輸出按元素進(jìn)行相加； 所有卷積層的激活函數(shù)均使用ReLU函數(shù)； 所述步驟S3包括： 步驟S31，所述殘差網(wǎng)絡(luò)模塊對(duì)所述待處理醫(yī)學(xué)圖像進(jìn)行特征提取得到一第一特征圖； 步驟S32，所述反堆疊模塊將所述第一特征圖按照通道維度進(jìn)行群組劃分得到多個(gè)反堆疊特征圖組； 步驟S33，所述群空洞卷積網(wǎng)絡(luò)模塊分別對(duì)各所述反堆疊特征圖組進(jìn)行群空洞卷積處理得到相應(yīng)的空洞卷積特征圖組； 步驟S34，所述堆疊模塊將各所述空洞卷積特征圖組在通道維度上進(jìn)行拼接得到一第二特征圖； 步驟S35，所述決策網(wǎng)絡(luò)模塊對(duì)所述第二特征圖進(jìn)行處理得到所述語(yǔ)義概率熱圖； 所述步驟S32中，采用基于正態(tài)分布權(quán)重的劃分方式進(jìn)行群組劃分，所述第一特征圖包含層子特征圖，則所述基于正態(tài)分布權(quán)重的劃分方式的計(jì)算公式如下： ； 其中，； 其中，表示第個(gè)所述反堆疊特征圖組，表示指定用于計(jì)算群組特征圖的原始子特征圖個(gè)數(shù)半徑，表示第層所述子特征圖，表示將所述子特征圖在通道維度上進(jìn)行拼接，分別表示正態(tài)分布的均值和標(biāo)準(zhǔn)差，表示正態(tài)分布曲線下所取的橫軸半?yún)^(qū)間長(zhǎng)度，任意兩個(gè)相鄰的取值滿足。

如需購(gòu)買(mǎi)、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(qǐng)人或?qū)＠麢?quán)人上海深至信息科技有限公司，其通訊地址為：200120 上海市浦東新區(qū)中國(guó)（上海）自由貿(mào)易試驗(yàn)區(qū)浦東大道720、728號(hào)16B室；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)”。