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！

龙图腾网获悉华侨大学申请的专利基于甲状腺超声图像的结节良恶性自动评分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：CN120070438B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202510541657.7，技术领域涉及：G06T7/00；该发明授权基于甲状腺超声图像的结节良恶性自动评分方法及系统是由杨洋;柳培忠设计研发完成，并于2025-04-28向国家知识产权局提交的专利申请。

本基于甲状腺超声图像的结节良恶性自动评分方法及系统在说明书摘要公布了：本发明公开了基于甲状腺超声图像的结节良恶性自动评分方法及系统，涉及图像处理技术领域，方法包括：构建包含结节识别网络和结节分类网络的深度学习模型并进行训练，得到自动评分模型；自动评分模型基于甲状腺超声图像得到甲状腺结节识别结果，并计算良恶性风险评分。结节识别网络采用编码器对输入图像进行基础特征提取，采用动态注意力机制进行特征增强；采用解码器对编码器输出的增强特征进行逐步降维，输出甲状腺结节识别结果；结节分类网络采用SwinTransformer模型，基于甲状腺结节识别结果计算良恶性风险评分。本发明在甲状腺结节的检测和分类中具有较高的准确性和实时性，可辅助医生提高诊断效率，降低误诊漏诊风险。

本发明授权基于甲状腺超声图像的结节良恶性自动评分方法及系统在权利要求书中公布了：1.一种基于甲状腺超声图像的结节良恶性自动评分方法，其特征在于，包括以下步骤： 获取甲状腺超声图像数据集并进行标注，构建训练数据集； 构建包含结节识别网络和结节分类网络的深度学习模型，利用训练数据集进行模型训练，得到训练好的深度学习模型作为自动评分模型； 将甲状腺超声图像输入自动评分模型，得到甲状腺结节识别结果并计算良恶性风险评分； 所述结节识别网络采用编码器-解码器架构，编码器对输入图像进行基础特征提取，采用动态注意力机制进行特征增强；解码器对编码器输出的增强特征进行逐步降维，最终输出甲状腺结节识别结果；所述结节分类网络采用SwinTransformer模型对甲状腺结节识别结果进行分级并计算良恶性风险评分； 所述采用动态注意力机制进行特征增强，包括以下步骤： 采用通道注意力增强对基础特征中的重要特征通道的关注，得到通道增强特征； 采用空间注意力增强通道增强特征中的关键区域，得到增强特征； 所述采用通道注意力增强对基础特征中的重要特征通道的关注，得到通道增强特征，包括以下步骤： 通过全局平均池化提取每个通道的重要性，表示为： 其中，Fgap表示通道级特征的全局描述，H，和W，分别表示基础特征Fbase的高和宽，Fbasei，j表示基础特征Fbase中坐标为i，j的像素点； 通过全连接层计算通道注意力权重，表示为： W＝σW2·ReLUW1·Fgap； 其中，W1·Fgap表示第一层全连接层对全局池化特征进行线性变换；ReLU表示激活函数；W2为第二层全连接层进一步提炼注意力信息；σ表示Sigmoid激活函数；W表示通道注意力权重矩阵； 通过通道加权计算通道增强特征，表示为： Fatt＝W·Fbase； 其中，Fatt表示通道增强特征； 所述解码器对编码器输出的增强特征进行逐步降维，最终输出甲状腺结节识别结果，包括以下步骤： 通过两层3×3卷积逐步降低特征维度，表示为： Fdec1＝ReLUConv3×3Fenc； Fdec2＝ReLUConv3×3Fdec1； 其中，Fdec1为第一层3×3卷积输出的特征图，Fdec2表示第二层3×3卷积输出的特征图；Conv3×3表示3×3卷积操作；ReLU表示激活函数；Fenc表示增强特征； 采用全局平均池化将空间特征转换为向量，表示为： 其中，Fdec2p，q表示特征图Fdec2中坐标为p，q的像素点； 通过全连接层进行最终分类，表示为： Y＝SoftmaxW·Fglobal+b； 其中，Y表示输出类别概率，b表示偏置项，W表示通道注意力权重矩阵。

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华侨大学，其通讯地址为：362000 福建省泉州市丰泽区城东城华北路269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。