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！

龙图腾网获悉北京医院申请的专利基于CV的甲状腺切除术后颈部瘢痕恢复状态预测方法和设备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：CN119600343B 。

龙图腾网通过国家知识产权局官网在2025-07-29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：202411647804.0，技术领域涉及：G06V10/764；该发明授权基于CV的甲状腺切除术后颈部瘢痕恢复状态预测方法和设备是由任荣鑫;缪刚;钱文江;赵红艺设计研发完成，并于2024-11-18向国家知识产权局提交的专利申请。

本基于CV的甲状腺切除术后颈部瘢痕恢复状态预测方法和设备在说明书摘要公布了：本发明属于智能医疗领域，具体涉及基于CV的甲状腺切除术后颈部瘢痕恢复状态预测方法。方法包括获取待测者的术后瘢痕图像数据；所述术后瘢痕图像数据同时输入所述多分支群卷积神经网络的各个分支中得到各个分支的瘢痕图像特征映射，所述各个分支的瘢痕图像特征映射经过特征融合得到多分支融合的瘢痕图像特征，所述多分支融合的瘢痕图像特征经过全连接层转换得到所述最终瘢痕图像特征向量；所述最终瘢痕图像特征向量输入分类器得到瘢痕评分分类，分类的类别为对瘢痕图像数据的评分，评分越高表示瘢痕增生程度越高。本申请采用多分支群卷积神经网络，通过多个卷积分支，提取不同尺度和方向的瘢痕图像特征，增强了对复杂瘢痕图像的特征捕捉能力。

本发明授权基于CV的甲状腺切除术后颈部瘢痕恢复状态预测方法和设备在权利要求书中公布了：1.一种基于CV的甲状腺切除术后颈部瘢痕恢复状态预测方法，其特征在于，所述方法包括：获取待测者的术后瘢痕图像数据； 所述术后瘢痕图像数据同时输入多分支群卷积神经网络的各个分支中得到各个分支的瘢痕图像特征映射，所述各个分支的瘢痕图像特征映射经过特征融合得到多分支融合的瘢痕图像特征，所述多分支融合的瘢痕图像特征经过全连接层转换得到最终瘢痕图像特征向量；所述术后瘢痕图像数据经过所述各个分支的群卷积核进行卷积得到提取的卷积特征，对所述提取的卷积特征进行映射得到所述瘢痕图像特征映射； 所述提取的卷积特征表示为： Tb＝Gb*X+bcb 其中，Tb表示第b个分支提取的卷积特征，Gb为第b个分支的群卷积神经网络的群卷积核，X表示术后瘢痕图像数据，bcb表示多分支特征融合时第b个分支的偏置，*表示卷积操作； 各个分支的群卷积核为多个子卷积核的线性组合； 所述各个分支的群卷积核表示为： 式中，Gb表示各个分支的群卷积核，K为第b个分支群卷积的子核数量；gb,k为第b个分支中第k个子卷积核；wb,k为第b个分支中第k个子卷积核的权重系数； 可选的，所述各个分支的群卷积神经网络中，卷积操作表示为： 式中，为第b个分支中第npr尺度卷积核的卷积结果,npr表示卷积核的尺度，即卷积核的步长；M为卷积核大小；为术后瘢痕图像数据在位置icenter-m处的像素值，m表示卷积核的尺度变化范围内的索引，icenter表示当前卷积的中心像素的索引； 所述各个分支提取的瘢痕图像特征映射表示为： Fb＝RessTb 其中，Fb为第b个分支的瘢痕图像特征映射，Tb表示第b个分支提取的卷积特征；Ress为自适应的混合激活函数； 所述自适应的混合激活函数表示为： Fb＝RessTb＝α·tanhTb+β·ReLUTb+γ·ELUTb 其中，Fb为第b个分支的瘢痕图像特征映射，Tb表示第b个分支提取的卷积特征；Ress为自适应的混合激活函数，α为自适应的混合激活函数的第一可学习参数，β为自适应的混合激活函数的第二可学习参数，γ为自适应的混合激活函数的第三可学习参数，且满足α+β+γ＝1；tanh为双曲正切函数；ReLU为修正线性单元函数；ELU为指数线性单元函数；所述多分支融合的瘢痕图像特征表示为： FIN＝φF1,F2,…,Fb,…FB 其中，FIN表示多分支融合的瘢痕图像特征；φ表示特征级联的函数；F1为第1个分支的瘢痕图像特征映射，Fb为第b个分支的瘢痕图像特征映射，其中，b∈[1,B]，B表示多分支群卷积神经网络的分支总数； 所述最终瘢痕图像特征向量输入分类器得到瘢痕评分分类，分类的类别为对瘢痕图像数据的评分，评分越高表示瘢痕增生程度越高。

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北京医院，其通讯地址为：100730 北京市东城区东单大华路1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”。