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！

龙图腾网获悉深圳技术大学申请的专利一种高度近视牵拉性病变分类方法、系统、设备及介质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：CN118781414B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202410898812.6，技术领域涉及：G06V10/764；该发明授权一种高度近视牵拉性病变分类方法、系统、设备及介质是由张炜;赵秀娟;秦皓楠;黄炳顶;董志诚;王彩芬设计研发完成，并于2024-07-05向国家知识产权局提交的专利申请。

本一种高度近视牵拉性病变分类方法、系统、设备及介质在说明书摘要公布了：本发明公开了一种高度近视牵拉性病变分类方法、系统、设备及介质，属于医学图像处理技术领域，目的在于解决缺乏高质量和多样化的高度近视牵拉性病变样本图像、以及因较难捕捉到各级别之间的差异特征而造成高度近视牵拉性病变分类准确性低的问题。其先采用有标签数据训练并得到四个已训练模型；然后构建包括五个基础模型和分配器的新模型，并加入多头注意力机制；再将无标签的眼底彩照图像样本分别输入四个已训练模型，并将无标签的眼底彩照图像样本以及四个已训练模型的输出共同作为新模型的输入，对新模型进行半监督训练；最后获取待分类的眼底彩照图像，并输入训练后的新模型，新模型输出分类结果。

本发明授权一种高度近视牵拉性病变分类方法、系统、设备及介质在权利要求书中公布了：1.一种高度近视牵拉性病变分类方法，其特征在于，包括以下步骤： 步骤S1，获取已训练模型； 将有标签的眼底彩照图像样本及其标签数据分别输入MobilenetV3、Resnet50、Resnet152和InceptionV3四个网络模型，分别对四个网络模型进行训练，得到四个已训练模型； 步骤S2，构建新模型； 构建新模型，新模型包括MobilenetV2、MobilenetV3、Resnet50、Resnet152、InceptionV3五个基础模型，五个基础模型后面均分别连接一个分类器，基础模型的输出作为对应分类器的输入；MobilenetV2基础模型的第6个残差块的尾部附着第一多头注意力模块、第12个残差块的尾部附着第二多头注意力模块，MobilenetV3基础模型的第6个残差块的尾部附着第一多头注意力模块、第13个残差块的尾部附着第二多头注意力模块，Resnet50基础模型的第3层的尾部附着第一多头注意力模块，Resnet152基础模型的第三阶段的第5个残差块的尾部附着第一多头注意力模块、第四阶段的第10个残差块的尾部附着第二多头注意力模块；分类器包括依次设置的第一线性层、第一dropout层、第二线性层、第二dropout层、特征融合层、批量归一化层、Softmax层和输出层；第一多头注意力模块通过残差连接至第一线性层，第二多头注意力模块通过残差连接至第二线性层； 步骤S3，新模型训练； 将无标签的眼底彩照图像样本分别输入四个已训练模型，并将无标签的眼底彩照图像样本以及四个已训练模型的输出共同作为新模型的输入，对新模型进行半监督训练； 半监督训练的具体方法为： 步骤S3-1，将无标签的眼底彩照图像样本分别输入四个已训练模型，四个已训练模型分别输出初步预测结果； 步骤S3-2，将四个已训练模型输出的初步预测结果与预设的预测结果阈值分别进行比较，若初步预测结果大于预测结果阈值，则对应的初步预测结果添加记录标签，若初步预测结果小于预测结果阈值，则舍弃该初步预测结果； 步骤S3-3，将添加有记录标签的初步预测结果及其记录标签输入新模型，新模型输出对应的再预测结果；若再预测结果的准确率高于预设的准确率阈值，则半监督训练结束；若再预测结果的准确率低于准确率阈值，则返回至步骤S3-1，新模型将对对应的初步预测结果进行重新预测，直至迭代次数达到迭代阈值，则半监督训练结束； 步骤S4，实时分类； 获取待分类的眼底彩照图像，并输入训练后的新模型，新模型输出分类结果。

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深圳技术大学，其通讯地址为：518118 广东省深圳市坪山区石井街道兰田路3002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”。

以上内容由龙图腾AI智能生成。