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！

龙图腾网获悉哈尔滨理工大学申请的专利基于增强UNet的结肠息肉医学图像并行诊断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：CN117274226B 。

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：202311367909.6，技术领域涉及：G06T7/00；该发明授权基于增强UNet的结肠息肉医学图像并行诊断方法是由刘嘉辉;王坤;罗智勇;吕志皓设计研发完成，并于2023-10-23向国家知识产权局提交的专利申请。

本基于增强UNet的结肠息肉医学图像并行诊断方法在说明书摘要公布了：本发明提供一种基于增强UNet的结肠息肉医学图像并行诊断方法，具体为：1.结肠息肉图像分割数据集预处理；2.建立增强的UNet模型，初始化并进行训练；3.系统控制和结肠息肉医学图像检测输出。本发明建立了结肠息肉医学图像数据集分类的初级标准和加细分类集合，为实现结肠息肉医学图像的准确检测和早期预防提供有益的探索，采用结肠息肉的形态学分类设计增强模块，增加结肠息肉医学图像检测的准确性，用户可以设置筛选范围的参数值，方便医院和体检中心等进行自主筛查，增加了系统的灵活性；此外，本发明增加并行的执行过程，以便自动化地对大量的结肠息肉医学图像进行连续筛查，对特定部分进行精确检测，减轻医生的工作量。

本发明授权基于增强UNet的结肠息肉医学图像并行诊断方法在权利要求书中公布了：1.一种基于增强UNet的结肠息肉医学图像并行处理方法，其特征在于： Part_1：结肠息肉图像分割数据集预处理； Part_2：建立增强的UNet模型，初始化并进行训练； Part_3：系统控制和结肠息肉医学图像检测输出； 所述方法分步描述如下： 首先，使用的数据结构定义： 结肠息肉按照危害程度分为：肿瘤性息肉和非肿瘤性息肉； 腺瘤性息肉分为三种类型：管状腺瘤、绒毛状腺瘤和管状-绒毛状腺瘤； 从结肠息肉的数目上分为：单发和多发； 根据息肉的形态学特点分为：有蒂和广基两种； DataStruct_1：基本数据定义 DataStruct_1_1：索引值定义 定义i和j是整数，代表在集合、矩阵、向量中的索引值； DataStruct_1_2：矩阵定义 数据集矩阵Matrix_DataSets＝[ {mds_1_1,mds_1_2,…,mds_1_j,…,mds_1_LenJ}, {mds_2_1,mds_2_2,…,mds_2_j,…,mds_2_LenJ}, …, {mds_i_1,mds_i_2,…,mds_i_j,…,mds_i_LenJ}, …, {mds_LenI_1,mds_LenI_2,…,mds_LenI_j,…,mds_LenI_LenJ}] 其中，i代表矩阵Matrix_DataSets的第i行，j代表矩阵Matrix_DataSets的第j列，LenI代表矩阵的行数，LenJ代表矩阵的列数； DataStruct_1_3：向量定义 向量Vector_Return＝{vr_1,vr_2,…,vr_i,…,vr_LenSetVR} 其中，i代表向量Vector_Return的第i个元素； LenSetVR代表向量Vector_Return的元素总数； Vector_ReturnT代表向量Vector_Return的转置向量； DataStruct_1_4：筛查控制参数闸值的定义 SelectValue定义为系统设定的筛查控制参数闸值，初始值由系统指定； DataStruct_1_5：Command_Parallel代表并行执行指令； DataStruct_1_6：Command_Single代表系统重新设置后单机执行模式指令； DataStruct_1_7：Procedure_Result代表在增强UNet模型中实现图像筛查过程； DataStruct_1_8：Procedure_SendInfo代表在图像筛查中发现大于筛查控制参数闸值的图像，执行向主治医生推送的过程； DataStruct_1_9：ImageCurrent代表系统检测的结肠息肉图像； DataStruct_2：结肠息肉分类数据集定义 肿瘤性息肉数据集定义为Set_Cancer 非肿瘤性息肉数据集定义为Set_CancerLess 单发性息肉数据集定义为Set_Single 多发性息肉数据集定义为Set_Multiple 有蒂类息肉数据集定义为Set_Stem 广基类息肉数据集定义为Set_SessilePolyp DataStruct_3：集合的加细分类定义 假设集合Set的任意两个划分Set_A和Set_B： Set_A＝{seta_1,seta_2,…,seta_i,…,seta_LenSetA} Set_B＝{setb_1,setb_2,…,setb_j,…,setb_LenSetB} 其中，seta_i是Set_A的第i个元素，setb_j是Set_B的第j个元素，seta_LenSetA代表Set_A的元素总数，setb_LenSetB代表Set_B的元素总数； 如果对于每一个seta_i均有setb_j，且满足seta_i包含于setb_j中，那么Set_A称为是Set_B的加细分类集合； DataStruct_4：结肠息肉加细分类数据集定义 结肠息肉分类数据集Set_Types包括如下集合： 管状腺瘤、绒毛状腺瘤、管状-绒毛状腺瘤、锯齿状病变、幼年性息肉、Peutz-Jeghers息肉、炎性息肉、血吸虫性息肉、良性淋巴样息肉、增生性息肉、黏膜肥大性赘生物、家族性结肠腺瘤病、非家族性结肠腺瘤病、Gardner综合征、Turcot综合征、假息肉病、多发性血吸虫性息肉、Cronkhite-Canada综合征、系统扩充的加细分类数据集； Set_Types的数学形式描述为： Set_Types＝{st_1,st_2,…,st_i,…,st_LenSetST}，其中，st_i是集合Set_Types的第i个元素，LenSetST代表集合Set_Types的元素总数； DataStruct_5：集合的分类权重定义 定义集合的分类权重为ClassWeightSet＝{cws_1,cws_2,…,cws_i,…,cws_LenSetCWS}，其中，cws_i是集合ClassWeightSet的第i个元素，LenSetCWS代表集合ClassWeightSet的元素总数； 集合ClassWeightSet的元素满足以下条件： Condition_51：cws_1＝cws_2＝…＝cws_i…＝cws_LenSetCWS Condition_52：cws_1+cws_2+…+cws_i+…+cws_LenSetCWS＝1 Condition_53：集合Set_Cancer的权重值大于集合Set_CancerLess的权重值； Condition_54：集合Set_Multiple的权重值大于集合Set_Single的权重值； DataStruct_6：加细分类权重矩阵定义 结肠息肉加细分类Matrix_SubDataSets＝[ {msds_1_1,msds_1_2,…,msds_1_j,…,msds_1_LenJ}, {msds_2_1,msds_2_2,…,msds_2_j,…,msds_2_LenJ}, …, {msds_i_1,msds_i_2,…,msds_i_j,…,msds_i_LenJ}, …, {msds_LenI_1,msds_LenI_2,…,msds_LenI_j,…,msds_LenI_LenJ}] 其中，i代表矩阵Matrix_SubDataSets的第i行，j代表矩阵Matrix_SubDataSets的第j列； DataStruct_7：获取变元的值定义 GetValueX_Valueget,Y_Valueget代表获得变元Y_Valueget的值保存在变元X_Valueget中； DataStruct_8：设定变元的值定义 SetValueX_Valueset,Y_Valueset代表设定变元Y_Valueset的值给变元X_Valueset； 数据结构定义结束； 其次，使用的基本过程定义： Function_1：初始化过程定义 Function_1_1：InitializingFunctionPara_1,Para_2,…,Para_i代表系统初始化第一个参数Para_1，初始化第二个参数Para_2和初始化第i个参数Para_i，其中，参数Para_1,Para_2,…,Para_i是变量、变元、集合、矩阵、向量； Function_1_2：InitializingProcedureProcedureName代表系统初始化过程ProcedureName； Function_2：执行函数和过程定义 Function_2_1：ExecuteFuncFuncName,In_Para,Out_Para代表执行函数FuncName，输入参数变元为In_Para，输出参数变元为Out_Para； Function_2_2：ExecuteProcCommandName,ProcName代表按照控制命令CommandName执行过程ProcName； Function_3：计算单幅图像的返回值 Value_Result代表计算结肠息肉单幅图像所获得的返回值，计算过程： Value_ResultMatrix_DataSets,Vector_Return＝Matrix_DataSets*Vector_ReturnT 基本过程定义结束； Part_1的功能是建立结肠息肉分类集合和初始化集合参数，具体步骤分为： Step_P1_1：建立结肠息肉分类数据集和结肠息肉加细分类数据集，数据集的病例图片经过胃肠病学专家的注释和验证，并进行分类，对图像数据集进行初步的预处理，对图像核心部分进行增强和归一化，按照图像大小规格化； Step_P1_2：对新增和补充的图像按照规格裁剪，旋转，翻转，弹性形变； Step_P1_3：初始化集合的分类权重和加细分类权重矩阵，初始化筛查控制参数闸值； Part_1描述完毕； Part_2的功能是建立增强的UNet模型，初始化并进行训练； UNeMt代表建立增强的UNet模型，UNeMt模型由编码器Encoder和解码器Decoder、跳跃连接模块ConnectSection和全局上下文模块GAM组成； Encoder的功能为特征提取网络，包括下采样卷积阶段和MLP标记块阶段，结肠息肉图像通过卷积-最大池化进行下采样，获得其特征图； Decoder为特征融合网络，包括MLP标记块阶段和上采样卷积阶段，各层级特征图与经过反卷积获得的特征图通过跳接方式进行特征融合； GAM在检测时按照出现息肉特征进行分割，GAM采用金字塔式设计；作为独立的模块在编码器分支上进行全局上下文推断；同时，GAM将输出转发给每个通道化模块来补偿全局上下文，而全局上下文在分层细化过程中逐渐被稀释；GAM包含3个分支来提取不同尺度的上下文特征；该模块由一个全局平均池化分支和两个自适应局部平均池化分支组成，输出空间大小分别为1×1、3×3、5×5的特征图；基于非局部操作的特征依赖于每个位置特征捕获全局，增强编码器的输出；将上述3个特征图进行上采样，并将它们连接起来，得到该模块的全局上下文特征，这些特征将在解码器流中反馈给每个通道化模块； ConnectSection针对息肉分割出现的图像模糊，光斑和图像质量低的情况，通过增强浅层与深层特征融合和特征移位，实现特定病变区域的分割和边界定位；跳跃连接模块是将编码器部分对应位置的特征图，在解码器部分进行上采样后在通道上进行特征融合，达到底层特征和高层特征融合，实现保留高层特征图蕴含的高分辨率信息； Step_P2_1：InitializingProcedureUNeMt代表初始化UNeMt模型，初始化编码器和解码器、跳跃连接模块和全局上下文模块； Step_P2_2：Training_UNeMt代表训练增强的UNet模型，模型采用五层的编码器和解码器结构，并使用标记化的MLP模块； 下采样卷积阶段包括三个卷积块，三个卷积块包括两个正常卷积和一个深度可分离卷积，每个卷积块有一个3×3卷积层，组归一化和激活函数，采用分辨率降为原来一半的池化操作，包括两个过程，分别是逐通道卷积和逐点卷积；在逐通道卷积阶段，对来自上一层的多通道特征图，首先将其拆分为单个通道的特征图，分别对它们进行单通道卷积，然后重新堆叠到一块，对来自上一层的特征图做尺寸调整，通道数不发生变化；在逐点卷积阶段进行第二次卷积，采用卷积核为1×1大小，卷积核数量等于通道数量； MLP标记块阶段：首先使用3×3卷积把特征投射到Dimension维，通道数变成Dimension维度来获得图像特征，对这些特征执行移位操作，然后执行残余连接，最后将处理的特征图传递给MLP学习； 解码器阶段对特征图进行上采样，然后将MLP进行特征投影； 将处理后的数据集图像分为测试集，验证集和训练集三部分，作为改进UNeMt的输入数据，进行训练改进UNeMt模型，获得息肉数据集Set_Types的训练-测试集，进行训练的测试集合包括：管状腺瘤、绒毛状腺瘤、管状-绒毛状腺瘤、锯齿状病变、幼年性息肉、Peutz-Jeghers息肉、炎性息肉、血吸虫性息肉、良性淋巴样息肉、增生性息肉、黏膜肥大性赘生物、家族性结肠腺瘤病、非家族性结肠腺瘤病、Gardner综合征、Turcot综合征、假息肉病、多发性血吸虫性息肉、Cronkhite-Canada综合征，系统扩充的加细分类数据集； Step_P2_3：将整个数据集引入训练好的UNeMt模型，得到分割后的图像，将分割后的结果进行处理返回结果； Part_2描述完毕； Part_3的功能是重新训练UNeMt模型，重新设置初始参数和系统参数；输入检测的结肠息肉图像，并输出检测结果，如果检测结果超过闸值，传送图像信息给主治医生，二个过程ParallelSec_1和ParallelSec_2并行执行： ParallelSec_1：并行执行部分1 假设NewSelectValue是新设定的筛查控制参数闸值； Step_PS1_1：SetValueSelectValue,NewSelectValue； Step_PS1_2：InitializingFunctionSet_Types,ClassWeightSet,Matrix_SubDataSets； Step_PS1_3：InitializingProcedureUNeMt； Step_PS1_4：ExecuteProcCommand_Single,Training_UNeMt； ParallelSec_2：并行执行部分2 假设FocusValue是当前结肠息肉医学图像检测输出的权重值； Step_PS2_1：ExecuteFuncProcedure_Result,ImageCurrent,Vector_Return； Step_PS2_2：Value_ResultMatrix_SubDataSets,Vector_Return； Step_PS2_3：GetValueFocusValue,Value_Result； Step_PS2_4： ifFocusValue＝SelectValue ExecuteProcCommand_Parallel,Procedure_SendInfo； else ExecuteProcCommand_Parallel,ParallelSec_2； 具体说明如下： 在并行部分1中 SetValueSelectValue,NewSelectValue实现重新设置筛查控制参数闸值； InitializingFunctionSet_Types,ClassWeightSet,Matrix_SubDataSets执行初始化Set_Types,ClassWeightSet,Matrix_SubDataSets的值； InitializingProcedureUNeMt初始化增强模型； ExecuteProcCommand_Single,Training_UNeMt代表以互斥方式重新开启系统并执行训练过程Training_UNeMt； 在并行部分2中 ExecuteFuncProcedure_Result,ImageCurrent,Vector_Return代表对当前的结肠息肉医学图像ImageCurrent执行筛查过程Procedure_Result，并返回给Vector_Return； 计算结肠息肉医学图像的Value_ResultMatrix_SubDataSets,Vector_Return值； GetValueFocusValue,Value_Result代表把计算结果Value_Result赋值给FocusValue； 在Step_PS2_4中，如果FocusValue大于等于SelectValue，并行执行ExecuteProcCommand_Parallel,Procedure_SendInfo过程，Procedure_SendInfo通知主治医生病人患病的危险程度超过系统闸值；否则，系统继续并行执行ParallelSec_2筛查过程； Part_3描述完毕。

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哈尔滨理工大学，其通讯地址为：150080 黑龙江省哈尔滨市南岗区学府路52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。