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！

龙图腾网获悉合肥工业大学申请的专利一种基于改进DenseNet的多模态医学图像分类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：CN119580006B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202411769743.5，技术领域涉及：G06V10/764；该发明授权一种基于改进DenseNet的多模态医学图像分类方法是由刘羽;胡馨悦;刘淑萍;石雨;成娟设计研发完成，并于2024-12-04向国家知识产权局提交的专利申请。

本一种基于改进DenseNet的多模态医学图像分类方法在说明书摘要公布了：本发明公开了一种基于改进DenseNet的多模态医学图像分类方法，是构建了医学图像分类网络，该网络包括：初步提取特征模块、特征精炼模块和分类模块，其中，特征精炼模块融合了DenseNet的层间密集连接特点和Mamba模块的高效特征处理能力，实现了复杂图像特征的提取与融合；分类模块则采用全连接层和Softmax函数，负责将丰富的图像特征表示转化为具体的图像分类结果。本发明通过带有Mamba模块的过渡层，增强了模型对图像关键特征的捕捉能力，从而在维持DenseNet原有优势的基础上，进一步提高了对3D医学图像的分类精度，为深度学习在医学图像处理中的应用提供了有力的技术支持。

本发明授权一种基于改进DenseNet的多模态医学图像分类方法在权利要求书中公布了：1.一种基于改进的多模态医学图像分类方法，其特征在于，包括如下步骤： 步骤1、获图像大小为且模态数为的某一用户的多模态图像集并进行图像配准及偏置场矫正处理，从而得到预处理后的某一用户的多模态医学图像集=，其中，表示第个模态的一张医学图像，；表示单模态医学图像的宽度，表示单模态医学图像的高度，表示单模态医学图像的深度；令的真实类别标签记为且1,2,…,}，表示类别总数； 步骤2、构建医学图像分类网络，包括：初步提取特征模块、特征精炼模块和分类模块； 步骤2.1、所述初步特征提取模块包含一个卷积层和激活函数； 将个不同模态的医学图像级联后，得到尺寸为的级联医学图像并输入初步特征提取模块中进行处理，得到浅层特征图，其中，为单模态医学图像的通道数； 步骤2.2、所述特征精炼模块对进行处理，得到第N个密集块输出的密集特征； 步骤2.3、所述分类模块包含全连接层和函数，并依次对进行处理后，输出的预测类别标签； 步骤3、训练医学图像分类网络； 步骤3.1、利用式1构建交叉熵损失函数： 1 式1中，表示中在第个类别上的预测概率；表示中在第个类别上的真实概率； 步骤3.2、采用反向传播算法对医学图像分类网络进行训练，并计算所述交叉熵损失函数以更新网络参数，直至交叉熵损失函数收敛为止，从而得到最优医学图像分类网模型，用于对任一输入的多模态医学图像进行分类预测。

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合肥工业大学，其通讯地址为：230009 安徽省合肥市包河区屯溪路193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。