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！

龙图腾网获悉福建医科大学附属第一医院申请的专利基于深度学习的乳腺肿块超声影像分类方法及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：CN120451685B 。

龙图腾网通过国家知识产权局官网在2025-09-09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：202510942905.9，技术领域涉及：G06V10/764；该发明授权基于深度学习的乳腺肿块超声影像分类方法及系统是由刘晖设计研发完成，并于2025-07-09向国家知识产权局提交的专利申请。

本基于深度学习的乳腺肿块超声影像分类方法及系统在说明书摘要公布了：本发明提供一种基于深度学习的乳腺肿块超声影像分类方法及系统，涉及超声影像分类技术领域，本发明通过统一特征提取模型实现对多种超声影像类型的集成处理，提升诊断效率，同时基于物理基础特征生成的影像质量评分量化探头压力不均、设备噪声干扰及运动伪影对成像质量的影响，并据此动态调节知识增强强度使病理敏感特征在医学知识图谱的加持下获得精准补偿，两级级联分类网络建立分层决策机制在确保快速诊断的前提下针对恶性病变启动亚型深度分析，提升识别率，进一步通过反映设备采集可信度的影像可靠因子，结合基于决策逻辑自洽性的模型认知因子形成双因子动态校准系统为乳腺肿块超声影像的高效精确分类提供支持。

本发明授权基于深度学习的乳腺肿块超声影像分类方法及系统在权利要求书中公布了：1.一种基于深度学习的乳腺肿块超声影像分类方法，其特征在于，所述分类方法包括以下步骤： S1：通过预训练的统一特征提取模型对当前输入的乳腺肿块超声影像进行影像类型识别并提取物理基础特征、病理敏感特征和设备干扰特征，其中，影像类型包括B型超声影像、弹性成像影像和彩色多普勒影像； S2：基于物理基础特征生成影像质量评分，并根据影像质量评分确定增强处理强度，基于增强处理强度，将病理敏感特征输入预训练的跨模态知识增强器，生成跨模态补强特征； S3：使用预训练的两级级联分类网络处理病理敏感特征和跨模态补强特征，获得影像分类结果和初始置信度； S4：基于设备干扰特征计算影像可靠因子，基于影像分类结果计算模型认知因子，通过影像可靠因子和模型认知因子对初始置信度进行校准获得最终置信度； S5：将影像分类结果和最终置信度作为最终分类结果进行输出； 所述物理基础特征包括针对B型超声影像的声阻抗分布矩阵、针对弹性成像影像的应变场特征张量和针对彩色多普勒影像的血流速度场分布； 所述增强处理强度通过预设的评分与强度映射表确定； 所述影像可靠因子的计算步骤包括： 对设备干扰特征进行三维频域分解，获得混响伪影高频成分、运动模糊时变成分和设备噪声空间成分； 计算混响伪影高频成分在预设频带范围内的单位带宽能量值，并将其作为混响能量密度，检测运动模糊时变成分在连续影像帧间的最大组织位移幅度，并将其作为运动偏移峰值，计算设备噪声空间成分的空间像素分布的香农熵值，并将其作为噪声空间熵； 基于预设的加权权重将混响能量密度、运动偏移峰值和噪声空间熵加权求和获得复合干扰强度系数； 基于影像类型和预设的类型系数映射表选择衰减系数，将复合干扰强度系数与衰减系数相乘后，通过指数衰减函数转换为影像可靠因子。

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福建医科大学附属第一医院，其通讯地址为：350004 福建省福州市台江区茶中路20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”。