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！

龙图腾网恭喜重庆大学申请的专利一种基于深度学习的肺结节图像检测方法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：CN116188404B 。

龙图腾网通过国家知识产权局官网在2025-06-17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：202310075797.0，技术领域涉及：G06T7/00；该发明授权一种基于深度学习的肺结节图像检测方法是由宋永端;邓磊;熊一鑫;周勇城;沈志熙;金其坚设计研发完成，并于2023-02-07向国家知识产权局提交的专利申请。

本一种基于深度学习的肺结节图像检测方法在说明书摘要公布了：本发明公开了一种基于深度学习的肺结节检测方法，包括以下步骤：肺结节的目标检测、肺结节的边缘分割、肺结节的三维重构。本发明基于深度学习的肺结节检测方法提出了一种基于2DCNN的快速两阶段结节检测、分割和分类CAD系统，不仅可以检测结节的恶性程度，还可以检测其形态特征；引入分割注意模块，提高模型的可解释性，增强对小结节的特征提取；将原先的骨干网络替换成轻量级网络，以简化网络并减少模型参数量，降低计算成本；获取完整的结节切片后，裁剪待训练的结节，解决了样本正负分布不平衡的问题。

本发明授权一种基于深度学习的肺结节图像检测方法在权利要求书中公布了：1.一种基于深度学习的肺结节图像检测方法，其特征在于：包括以下步骤： S1、获取待检测CT肺结节影像； S2、采用改进YoloX模型网络对待检测CT肺结节影像中的肺结节进行目标检测，获得肺结节图片； S3、对框选的肺结节图像进行裁剪，使用改进Unet网络对肺结节图像进行边缘分割，并获取边缘的肺结节图片； S4、将S3改进Unet网络的输出肺结节图片恢复成输入网络前的尺寸，并将该肺结节图片粘贴回S2改进YoloX模型网络输出图片的原位置，得到肺结节预测的结果，并将该肺结节图片进行三维重构，得到最终肺结节展示结果； 所述改进YoloX模型的实施过程具体包括如下： S21、基于轻量级的Mobilenet-V3将CSPDarknet53中进行多尺度融合的三个输出特征换为Mobilenet-V3的三个特征，将肺结节由大到小的三个输出特征进行多尺度融合； S22、采用分割注意力SplitAttention对多尺度的肺结节融合特征进行权重分配，将特征分成若干块分别进行通道注意力的权重分配，再将每一块肺结节特征拼接，得到肺结节的多尺度融合特征； 所述改进Unet具体包括： 在下采样的最后一步添加SPP模块，其中SPP模块将特征经过三种不同尺寸的最大池化进行输出，并将输出结果在通道维度堆积得到最终的肺结节特征，然后使用1*1卷积使通道数恢复成原特征通道数，得到具有更深感受野的肺结节特征。

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重庆大学，其通讯地址为：400044 重庆市沙坪坝区正街174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”。