买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉杭州电子科技大学申请的专利一种基于多尺度训练策略的前列腺肿瘤分类方法和系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114841976B 。

龙图腾网通过国家知识产权局官网在2025-06-06发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210533775.X，技术领域涉及：G06T7/00；该发明授权一种基于多尺度训练策略的前列腺肿瘤分类方法和系统是由潘万里;高飞设计研发完成，并于2022-05-16向国家知识产权局提交的专利申请。

本一种基于多尺度训练策略的前列腺肿瘤分类方法和系统在说明书摘要公布了：本发明公开了一种基于多尺度策略的迁移学习前列腺影像分类方法。本发明采用迁移学习提升backnone网络提取特征的性能，且可以加快训练的速度，另外还使用了多尺度学习的策略，在同一个网络模型上训练多种不同分辨率的图像，使得模型充分的学习到关键区域与环境之间的关联性，最后使用全局平均池化融合空间特征，并选定一个特定的尺度，采用Sigmoid得出最终预测结果。本发明能够在前列腺癌核磁共振影像上得出可靠的分类结果。

本发明授权一种基于多尺度训练策略的前列腺肿瘤分类方法和系统在权利要求书中公布了：1.一种基于多尺度训练策略的前列腺肿瘤分类方法，其特征在于，包括以下步骤：S1、获取n份前列腺癌MRI影像，对同一个患者的不同信号前列腺癌MRI影像根据体素间距信息进行体素间距校正，得到不同信号的病灶区域图像；S2、对S1步骤中得到的每一份前列腺癌MRI影像中的病灶区域进行多尺度切分，最终获得不同信号前列腺癌MRI影像的不同尺度病灶区域图像；S3、对S2中获得的来自同一患者的不同信号的同一尺度前列腺癌MRI影像进行合成RGB伪彩色图像的预处理；S4、使用ResNet50V2预训练模型构建迁移学习特征提取模块，获取不同尺度的病灶区域图像对应的决策器模块，以供后续步骤多尺度数据轮换训练使用；S5、采用多尺度数据轮换训练的方法，使用S3中获得的RGB伪彩色图像训练S4中得到的迁移学习特征提取模块，最终根据实际情况，选定一个包含病灶和环境信息最丰富的尺度，并使用此尺度对应的决策器拼接上训练得到的特征提取模块，作为最后的前列腺肿瘤分类模型；S6、获取未标记的前列腺癌MRI影像，输入S5中得到的分类模型，输出该前列腺癌MRI影像中病灶区域良恶性的判断结果；步骤S1中，对同一患者的不同信号前列腺癌MRI影像根据体素间距信息进行体素间距校正的具体方法为：从数据信息表格中获取到图像的体素间距值a，使用双线性插值法将原本尺寸为b*c的图像扩展为b*a*c*a尺寸的图像；步骤S5中，多尺度数据轮换训练策略的具体步骤如下：步骤1：将32像素对应的决策器模块拼接到特征提取模块上，并使用S3步骤中得到的相应尺度的伪彩色图像训练当前网络模型，训练完毕后，将当前决策器模块存储在栈结构中以供下一轮使用；步骤2：重新生成一个具有新的输入尺寸的空参数的ResNet50V2网络模型，继承上一次训练后特征提取模块的权重，随后将下一个尺度对应的决策器模块拼接上当前特征提取模块；步骤3：重复步骤1和步骤2，直到在特征提取模块上所有尺寸的数据都训练过一遍；步骤4：重复训练所有尺寸数据n轮，直到准确率上升到一个平稳期时停止，得到训练完成的特征提取模块；步骤5：根据实际情况，选定一个包含病灶和环境信息最丰富的尺度，并用其作为最终的决策器对应的尺度，并用其拼接上步骤4中得到的特征提取模块，得到最终的前列腺肿瘤分类模型。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人杭州电子科技大学，其通讯地址为：310018 浙江省杭州市下沙高教园区2号大街；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。