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！

龙图腾网获悉南京理工大学申请的专利一种基于高频分量特征提取的乳腺组织OCT图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：CN116778258B 。

龙图腾网通过国家知识产权局官网在2025-08-15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：202310902034.9，技术领域涉及：G06V10/764；该发明授权一种基于高频分量特征提取的乳腺组织OCT图像分类方法是由朱丹;丁李昊;高志山;袁群;郭珍艳;马燚岑设计研发完成，并于2023-07-21向国家知识产权局提交的专利申请。

本一种基于高频分量特征提取的乳腺组织OCT图像分类方法在说明书摘要公布了：本发明公开了一种基于高频分量特征提取的乳腺组织OCT图像分类方法，步骤如下：采集并预处理乳腺组织OCT图像，得到待识别的乳腺组织OCT图像数据集，利用训练好的双重过滤残差网络模型对乳腺组织OCT图像进行目标识别，得到分类结果。本发明结合双维度注意力机制、八度卷积、和残差单元构建“双重过滤”残差网络模型，模型在提取图像特征时能调整高低频分量特征的占比，通过适当增加高频分量占比，减少低频特征在空间维度上的信息冗余，显著提高乳腺组织OCT图像分类的准确度和稳定性，对于结构相似度高的乳腺组织OCT图像表现出优异的分类精度和鲁棒性。

本发明授权一种基于高频分量特征提取的乳腺组织OCT图像分类方法在权利要求书中公布了：1.一种基于高频分量特征提取的乳腺组织OCT图像分类方法，其特征在于，步骤如下： 步骤S1、挑选A类乳腺组织样本，1A10，在每类乳腺组样本中选取B个感兴趣的区域进行成像，10B50，从每个感兴趣区域截取D张乳腺组织OCT图像，10D50，共获得N张不同类别的乳腺组织OCT图像，N=ABD，100N25000，对N张不同类别的乳腺组织OCT图像分别进行归一化处理及数据增强后，得到像素大小为h×w的NA张乳腺组织OCT图像，1000NA250000，将NA张乳腺组织OCT图像中每类样本按照18:1:1比例划分为训练样本集、验证样本集和测试样本集，并对训练样本集中的样本图像添加标签，转入步骤S2； 步骤S2、构建双重过滤残差模型，以获取乳腺组织OCT样本形状特征的多值标签信息，具体如下： 双重过滤残差模型包括初步过滤单元、深度过滤单元、图像分类单元； 初步过滤单元包括依次连接的三个级联的第一卷积层和双维度注意力机制，第一卷积层的卷积核大小为3×3，在其之后连接批量归一化层和非线性激活函数，非线性激活函数为ReLU激活函数，双维度注意力机制包括通道注意力机制和空间注意力机制； 深度过滤单元包括顺次连接的8组具有残差结构的八度卷积块和双维度注意力机制；八度卷积块包括2层八度卷积层和BN层，且相邻的2组八度卷积块之间构成残差结构； 图像分类单元包括全局平均池化层、全连接层和Softmax层; 转入步骤S3； 步骤S3、将带标签的训练样本集输入双重过滤残差模型对其进行训练，乳腺组织OCT图像依次经过初步过滤单元、深度过滤单元、图像分类单元后，最终得到预训练双重过滤残差网络模型，转入步骤S4； 步骤S4、将不带标签的验证样本集输入预训练双重过滤残差网络模型，利用乳腺组织OCT图像验证样本集对预训练双重过滤残差网络模型性能进行验证，得到双重过滤残差网络模型，转入步骤S5； 步骤S5、将不带标签的测试样本集输入双重过滤残差网络模型，利用测试样本集对双重过滤残差网络模型的泛化能力进行测试。

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南京理工大学，其通讯地址为：210094 江苏省南京市玄武区孝陵卫200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”。