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)獲悉復旦大學申請的專利一種基于多目標分割先驗驅動的醫(yī)學視頻分類方法獲國家發(fā)明授權專利權，本發(fā)明授權專利權由國家知識產權局授予，授權公告號為：CN120411862B 。

龍圖騰網(wǎng)通過國家知識產權局官網(wǎng)在2025-08-26發(fā)布的發(fā)明授權授權公告中獲悉：該發(fā)明授權的專利申請?zhí)?專利號為：202510905487.6，技術領域涉及：G06V20/40；該發(fā)明授權一種基于多目標分割先驗驅動的醫(yī)學視頻分類方法是由許辰;鄔江興;朱喆設計研發(fā)完成，并于2025-07-02向國家知識產權局提交的專利申請。

本一種基于多目標分割先驗驅動的醫(yī)學視頻分類方法在說明書摘要公布了：本發(fā)明涉及一種基于多目標分割先驗驅動的醫(yī)學視頻分類方法，屬于視頻識別技術領域。其包括以下步驟：采集并預處理醫(yī)學視頻幀序列，得到視頻原始幀序列；構建多目標分割?分類數(shù)據(jù)集，并劃分為訓練集和測試集；構建基于多目標分割先驗驅動的醫(yī)學視頻分類模型，所述醫(yī)學視頻分類模型包括特征提取?時序編碼?融合網(wǎng)絡和分類器；利用訓練集中數(shù)據(jù)對模型進行訓練；在訓練過程中，通過損失函數(shù)對模型進行優(yōu)化，得到訓練好的模型；測試集中數(shù)據(jù)輸入到訓練好的模型中，得到醫(yī)學視頻分類結果。本發(fā)明能夠增強醫(yī)學視頻分類的準確性和泛化能力。

本發(fā)明授權一種基于多目標分割先驗驅動的醫(yī)學視頻分類方法在權利要求書中公布了：1.一種基于多目標分割先驗驅動的醫(yī)學視頻分類方法，其特征在于，包括以下步驟： S1.采集并預處理醫(yī)學視頻幀序列，得到視頻原始幀序列； S2.構建多目標分割-分類數(shù)據(jù)集，并劃分為訓練集和測試集，所述數(shù)據(jù)集包括視頻原始幀序列、單對象分割掩膜序列、多對象分割掩膜序列、類別標簽； S3.構建基于多目標分割先驗驅動的醫(yī)學視頻分類模型，所述醫(yī)學視頻分類模型包括特征提取-時序編碼-融合網(wǎng)絡和分類器；所述特征提取-時序編碼-融合網(wǎng)絡包括特征提取模塊、時序編碼模塊以及特征融合模塊；所述時序編碼模塊包括時間信息嵌入層、時空融合信息編碼層、MLP投影層；利用訓練集中數(shù)據(jù)對模型進行訓練； 所述特征提取模塊將深度殘差卷積網(wǎng)絡ResNet50的前五層作為骨干網(wǎng)絡，深度殘差卷積網(wǎng)絡ResNet50前五層中，第一層卷積塊采用5×5尺寸的卷積核進行特征提取；第二層至第五層卷積塊采用Inception卷積，在第五層卷積塊后添加通道-空間混合注意力對幀圖像各部分像素值分配不同的權重；第二層和第三層卷積塊的步長設置為2，第四層和第五層卷積塊的步長設置為1； 并行的單對象分割掩膜序列和多對象分割掩膜序列經過特征提取模塊對每個分割掩膜序列的各幀圖像空間特征進行提取，生成單目標分割特征圖序列和多目標分割特征圖序列； 在單對象分割掩膜序列輸入到特征提取模塊提取幀圖像特征的過程中，通道注意力和空間注意力的計算公式表示如下： ， ， 其中，表示第五層卷積塊輸出，表示通道注意力權重，表示空間注意力權重，表示多層感知機，表示沿通道維度平均池化，表示沿通道維度最大池化，表示卷積核大小為的卷積操作，表示拼接操作，表示Sigmoid激活函數(shù)；第五層卷積塊輸出經過注意力權重分配，得到單目標分割特征圖序列，公式表示如下： ， 其中，表示逐元素乘法；同理，得到多目標分割特征圖序列； S4.在訓練過程中，通過損失函數(shù)對模型進行優(yōu)化，得到訓練好的模型； S5.測試集中數(shù)據(jù)輸入到訓練好的模型中，得到醫(yī)學視頻分類結果。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯(lián)系本專利的申請人或專利權人復旦大學，其通訊地址為：200000 上海市楊浦區(qū)邯鄲路220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)”。