Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 四川大学陈楠获国家专利权

四川大学陈楠获国家专利权

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!

龙图腾网获悉四川大学申请的专利基于状态空间网络的肺腺癌浸润性演变分类方法、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:CN118552758B

龙图腾网通过国家知识产权局官网在2025-06-10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:202410327064.6,技术领域涉及:G06V10/764;该发明授权基于状态空间网络的肺腺癌浸润性演变分类方法、系统是由陈楠;徐修远;崔瑞晨;周泠宇;王子淮;周凯设计研发完成,并于2024-03-21向国家知识产权局提交的专利申请。

基于状态空间网络的肺腺癌浸润性演变分类方法、系统在说明书摘要公布了:本发明公开了一种基于状态空间网络的肺腺癌浸润性演变分类方法、系统,涉及肺腺浸润分类方法,其目的在于解决现有技术中存在的GGO影像学特征的IA类型分类准确性较差、分类效率较低的技术问题,其构建的GGO侵袭性分类模型包括教师编码器、学生编码器以及微调编码器,教师编码器、学生编码器以及微调编码器均为SSM状态空间网络;训练时,采用不带GGO分类标签的大型样本数据集训练教师编码器、学生编码器,教师编码器的输出作为学生编码器可利用的伪标签,且教师编码器的参数更新受学生编码器输出的指数移动平均值引导;采用带有GGO分类标签的小型数据集对微调编码器进行微调训练。可有效提高GGO影像学特征的IA类型分类准确性以及分类效率。

本发明授权基于状态空间网络的肺腺癌浸润性演变分类方法、系统在权利要求书中公布了:1.一种基于状态空间网络的肺腺癌浸润性演变分类方法,其特征在于,包括以下步骤:步骤S1,获取样本数据;获取肺部CT图像样本数据,肺部CT图像样本数据包括不带GGO分类标签的大型样本数据集、带有GGO分类标签的小型数据集;步骤S2,构建GGO侵袭性分类模型;构建GGO侵袭性分类模型,GGO侵袭性分类模型包括教师编码器、学生编码器以及微调编码器,教师编码器、学生编码器以及微调编码器均为SSM状态空间网络;步骤S3,训练GGO侵袭性分类模型;采用不带GGO分类标签的大型样本数据集训练教师编码器、学生编码器,教师编码器的输出作为学生编码器可利用的伪标签,且教师编码器的参数更新受学生编码器输出的指数移动平均值引导;选择学生编码器的表达作为微调编码器的微调训练的骨干,并采用带有GGO分类标签的小型数据集对微调编码器进行微调训练;步骤S4,实时分类;获取待分类的肺部CT图像,并输入训练好的微调编码器,微调编码器输出分类结果;步骤S3中,在训练GGO侵袭性分类模型时,微调编码器对微调过程进行正则化约束,具体正则化过程表示为: 其中,表示整个GGO侵袭性分类模型,表示批次里面的负样本,表示一个批次里面的正样本,表示优化函数的超参数,表示任意一个正样本编号,表示任意一个负样本的编号,表示正样本的个数,表示负样本的个数,表示随机的一个正样本,表示随机的一个负样本,表示经过GGO侵袭性分类模型的某个正样本输出,表示负样本的输出; 把捕获到的GGO侵袭性内在表示再次用于调整预训练学生编码器,学生编码器、微调编码器二者交替训练,实现教师-学生网络和微调网络之间的双层优化。

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四川大学,其通讯地址为:610065 四川省成都市武侯区一环路南一段24号;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”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。