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！

龙图腾网获悉中山大学孙逸仙纪念医院;中山大学申请的专利基于颞骨高分辨CT中的病变特征构建耳科疾病分类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：CN116051898B 。

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：202310050617.3，技术领域涉及：G06V10/764；该发明授权基于颞骨高分辨CT中的病变特征构建耳科疾病分类系统是由曾俊波;张梓睿;蔡跃新;陈俊周设计研发完成，并于2023-02-01向国家知识产权局提交的专利申请。

本基于颞骨高分辨CT中的病变特征构建耳科疾病分类系统在说明书摘要公布了：本发明公开了基于颞骨高分辨CT中的病变特征构建耳科疾病分类系统，其特征在于，包括以下步骤：对颞骨病变进行标注，根据病变特征库及便签构建疾病分类系统，转换数据集格式并划分训练集与测试集，记载模型预训练权重并设置超参数，加载分类数据及并进行数据增强，模型推理获得分类结果并计算训练损失，将训练损失进行反向传播并进行迭代，判断是否收敛，如未收敛则重复进行计算；如已收敛，则将模型在测试集推理并验证病变分类结果，最后由专业医生评估分类结果并应用于临床诊断。本发明基于识别颞骨高分辨CT中的多种耳科疾病特征后，再进一步构建耳科疾病的分类系统，是基于强监督学习的临床解释性强的分类系统，有效提高临床诊断效率。

本发明授权基于颞骨高分辨CT中的病变特征构建耳科疾病分类系统在权利要求书中公布了：1.基于颞骨高分辨CT中的病变特征构建耳科疾病分类系统，其特征在于：包括以下步骤： 步骤S201：由临床医师团队进行使用标注软件、颞骨高分辨CT的影像学病变特征、及特征标注标准的培训，颞骨高分辨CT标注内容包括疾病名以及每种疾病在颞骨高分辨CT中所包含的病变特征，进而构建颞骨高分辨CT的影像学病变特征库； 步骤S202：根据颞骨高分辨CT的影像学病变特征库及疾病名标签，基于颞骨高分辨CT的影像学病变特征构建耳科疾病的分类数据集； 步骤S203：对已构建的基于颞骨高分辨CT的影像学病变分类数据集，根据病变类别进行分类数据集格式的转换，以7：3的比例划分训练集和测试集中的图像和标签文件，即70%的图像用作神经网络模型训练，30%的图像用作神经网络模型效果验证和评估； 步骤S204：加载基于神经网络的分类模型预训练权重，并设置超参数，包括学习率、批数据大小、输入图片大小、权重衰减和随机种子参数； 步骤S205：加载划分好的基于颞骨高分辨CT的影像学病变分类数据集，并对数据集进行一定程度的数据增强，包括随机裁剪、上下翻转与左右翻转等策略，加快模型收敛，提高模型的鲁棒性和泛化能力； 步骤S206：将已加载的数据输入到已加载的基于神经网络的颞骨高分辨CT影像学病变分类模型中；颞骨高分辨CT影像学病变分类属于二分类问题，模型推理得到分类结果x=[x1,x2]，其中x1为CT正常的预测分数，x2为CT异常的预测分数；该CT图像的标签为y=Y,Y∈0,1，将标签转换为热编码形式，即y=[y1,y2]；将模型推理的分类结果x和y输入到交叉熵损失函数中，计算训练损失，计算公式为loss=-y1logx1+y2logx2； 步骤S207：将步骤S206计算得到的训练损失通过反向传播，得到模型各权重的优化梯度，进而优化模型参数； 步骤S208：判断模型是否收敛，若收敛到近似全局最优则保存模型，进入步骤S209，若没有收敛，则返回步骤S206，模型进行迭代与优化； 步骤S209：对已训练保存的神经网络分类模型，在划分好的基于颞骨高分辨CT的影像学病变分类测试集上进行推理，输出对病变的分类结果，并进行可视化验证； 步骤S2010：由专业临床医师团队对输出的病变分类结果进行评估，验证模型的准确率和泛化能力，进一步将基于神经网络的颞骨高分辨CT影像学病变分类模型应用于病变临床诊断。

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山大学孙逸仙纪念医院;中山大学，其通讯地址为：510000 广东省广州市沿江西路107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。