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！

龙图腾网获悉中国科学技术大学申请的专利一种基于多视图多切片的肺部CT影像分类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：CN117036814B 。

龙图腾网通过国家知识产权局官网在2025-07-25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：202311038445.4，技术领域涉及：G06V10/764；该发明授权一种基于多视图多切片的肺部CT影像分类方法是由李骜;高恒;邱少萍;王明会设计研发完成，并于2023-08-17向国家知识产权局提交的专利申请。

本一种基于多视图多切片的肺部CT影像分类方法在说明书摘要公布了：本发明公开了一种基于多视图多切片的肺部CT影像分类方法，包括：1获取CT影像数据并进行预处理；2构建由特征编码网络、特征分解网络、循环神经网络、图像重建网络、分类器组成的分类模型；3联合特征编码网络和基于注意力机制的特征分解网络对CT图像样本进行肿瘤特征提取以及背景信息分离；4采用循环神经网络的学习多切片空间相关性信息并进行加权融合；5构造损失函数并对分类模型进行训练，得到训练后的分类模型。本发明能充分利用CT影像多视图多切片数据中包含的肿瘤形态结构信息，并捕捉CT连续切片的空间相关性信息，从而能提升肺部CT影像分类的准确性。

本发明授权一种基于多视图多切片的肺部CT影像分类方法在权利要求书中公布了：1.一种基于多视图多切片的肺部CT影像分类方法，其特征在于，包括如下步骤： 步骤1、获取肺部CT影像数据并进行预处理； 获取带有类别标签的N个病例的肺部CT影像数据，并使用三线性插值算法对肺部CT影像数据进行重采样以调整体素尺寸，从而得到每个病例的肺部CT切片集合及其对应类别标签，记为其中，Xt表示第t个病例的肺部CT切片集合，且Xt＝{xt，j|j＝1，2，...，Jt}，xt，j表示第t个病例的第j张肺部图像，Jt表示第t个病例的肺部CT切片集合中的肺部图像数量，yt表示第t个病例的CT切片集合Xt对应的类别标签；t＝1，2...，N；N表示病例的数量； 以Xt中的中间第张肺部图像为中心切片，其中，表示向上取整，以所述中心切片的异常位置中心作为原点，沿轴向视图方向av、冠状视图方向sv、矢状视图方向cv，分别采样中心切片左右相邻的n张肺部图像，从而得到第t个病例在2n+1张轴向视图方向av上的肺部图像、2n+1张冠状视图方向sv上的肺部图像、2n+1张矢状视图方向cv上的肺部图像，将第t个病例在任意视图方向i上的肺部图像集合记为i∈{av，sv，cv}；将中任意第l张肺部图像记为C、H和W分别表示肺部图像的通道数、高度和宽度；l∈{t-n，t，t+n}； 步骤2、构建CT影像分类网络，并包括：特征编码网络、基于注意力机制的特征分解网络、图像重建网络、循环神经网络以及图像分类网络； 步骤2.1、所述特征编码网络对进行处理，从而输出编码特征图 步骤2.2、所述基于注意力机制的特征分解网络对进行处理，得到第t个病例在任意视图方向i上的第l个异常共有特征和背景特有特征 步骤2.3、所述图像重建网络对和进行处理，相应得到轴向视图方向av上的交叉重建图像冠状视图方向sv上的交叉重建图像矢状视图方向cv上的交叉重建图像 步骤2.4、所述循环神经网络GRU对进行处理，得到第t个病例在任意视图方向i上的融合特征 步骤2.5、所述图像分类网络是由F个全连接层构成；设置前F-1个全连接层的激活函数为Relu函数；第F个全连接层的激活函数为Softmax函数； 利用式5得到第t个病例的多视图多切片融合特征 式5中，Cat表示拼接操作，表示第t个病例在轴向视图方向av上的融合特征，表示第t个病例在冠状视图方向sv上的融合特征，表示第t个病例在矢状视图方向cv上的融合特征； 将多视图多切片融合特征输入到所述图像分类网络中，得到的分类结果 步骤3、CT影像分类网络的训练； 步骤3.1、利用式6构建第t个病例的多视图多切片的分类损失函数Lt，cla； 步骤3.2、利用式7得到第t个病例在任意视图方向i上的多视图异常共有特征 步骤3.3、利用式8得到和之间的KL散度 式8中，表示第t个病例在任意视图方向j上的多视图异常共有特征，j∈{av，sv，cv}，且i≠j； 利用9计算第t个病例在任意视图方向i和j上的异常共有特征之间的特征分布差异 步骤3.4、利用式10构建第t个病例的多视图多切片特征的相似性损失函数Lt，mfs； 式10中，表示第t个病例在轴向视图方向av和矢状视图方向cv上的异常共有特征之间的特征分布差异，表示第t个病例在轴向视图方向av和冠状视图方向sv上的异常共有特征之间的特征分布差异，表示第t个病例在矢状视图方向cv和冠状视图方向sv上的异常共有特征之间的特征分布差异； 步骤3.5、利用式11构建第t个病例在任意视图方向i上的第l个视图切片的图像交叉重建损失函数 式11中，N是所包含的像素点数量，||·||1表示L1范数； 步骤3.6、利用式12构建第t个病例在任意视图方向i上的损失函数平均值 利用式13构建第t个病例的多视图多切片的交叉重建损失函数Lt，mcr； 式13中，表示第t个病例在轴向视图方向av上的损失函数平均值，表示第t个病例在冠状视图方向sv上的损失函数平均值，表示第t个病例在矢状视图方向cv上的损失函数平均值； 步骤3.7、利用式14构建第t个病例的多视图多切片的总体损失函数Lt，total； Lt，total＝Lt，cla+αLt，mcr+βLt，mfs14 式14中，α代表Lt，mcr的权重系数，β代表Lt，mfs的权重系数； 步骤3.8、基于有标签的肺部图像集合按照初始学习率l1对CT影像分类网络进行训练，并计算所述总体损失函数以更新网络参数，当训练步数达到t1时，再按照学习率l2继续训练CT影像分类网络，直至达到总的训练步数T为止，从而得到训练好的CT影像分类模型，用于实现对肺部CT影像的分类。

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中国科学技术大学，其通讯地址为：230026 安徽省合肥市包河区金寨路96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”。