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！

龙图腾网获悉湖南大学申请的专利基于超声图像的胎儿解剖结构小样本检测方法与装置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：CN119399096B 。

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：202411224601.0，技术领域涉及：G06T7/00；该发明授权基于超声图像的胎儿解剖结构小样本检测方法与装置是由李肯立;周清怡;谭光华;朱宁波;林剑新;刘楚波;唐卓;李胜利;喻平设计研发完成，并于2024-09-03向国家知识产权局提交的专利申请。

本基于超声图像的胎儿解剖结构小样本检测方法与装置在说明书摘要公布了：本申请涉及一种基于超声图像的胎儿解剖结构小样本检测方法、装置、计算机设备、存储介质和计算机程序产品，其中，方法包括：获取初始深度学习模型以及胎儿的标准超声图像；进行特征提取得到特征图；基于特征图、且通过DAEFLM模块以及初始深度学习模型中第一detectionhead得到第一分类分数；基于特征图、且通过TKRM模块得到包含多拓扑信息的融合特征图；根据融合特征图、并通过初始深度学习模型中第二detectionhead得到第二分类分数和检测框；对第一分类分数和第二分类分数进行加权求和；根据目标分类分数与标准超声图像对应的分类结果、以及检测框，构建标准的Faster‑RCNN损失函数；对初始深度学习模型的模型参数进行调整；根据目标深度学习模型进行胎儿解剖结构小样本检测。

本发明授权基于超声图像的胎儿解剖结构小样本检测方法与装置在权利要求书中公布了：1.一种基于超声图像的胎儿解剖结构小样本检测方法，其特征在于，所述方法包括： 获取初始深度学习模型以及胎儿的标准超声图像，对所述标准超声图像进行特征提取得到特征图；所述初始深度学习模型的基本框架为DeFRCN，在所述基本框架中添加有TKRM模块和DAEFLM模块；所述TKRM模块用于将特征图与初始分类结果结合，并引入多拓扑信息，多拓扑信息为胎儿解剖结构在不同尺度、方向或形态上的表示；所述DAEFLM模块用于根据输入的特征图动态地调整不同区域的权重，生成一个加权分类评分图，评分图用于突出特征图中与胎儿解剖结构相关的关键区域、并降低无关区域的权重； 基于所述特征图、且通过所述DAEFLM模块以及所述初始深度学习模型中第一detectionhead得到第一分类分数；基于所述特征图、且通过所述TKRM模块得到包含多拓扑信息的融合特征图； 根据所述融合特征图、并通过所述初始深度学习模型中第二detectionhead得到第二分类分数和检测框；对所述第一分类分数和所述第二分类分数进行加权求和，得到目标分类分数； 根据所述目标分类分数与所述标准超声图像对应的分类结果、以及所述检测框，构建标准的Faster-RCNN损失函数； 基于所述Faster-RCNN损失函数对所述初始深度学习模型的模型参数进行调整，并将Faster-RCNN损失函数最小时对应的模型作为目标深度学习模型； 根据所述目标深度学习模型进行胎儿解剖结构小样本检测； 所述基于所述特征图、且通过所述DAEFLM模块以及所述初始深度学习模型中第一detectionhead得到第一分类分数；基于所述特征图、且通过所述TKRM模块得到包含多拓扑信息的融合特征图包括：提取所述特征图的候选框；基于所述特征图、所述候选框以及所述初始深度学习模型中第一detectionhead，得到胎儿解剖结构的初始分类结果；根据所述特征图、所述候选框、以及所述初始分类结果，且通过所述DAEFLM模块以及所述第一detectionhead，得到第一分类分数；根据所述特征图以及所述初始分类结果、且通过所述TKRM模块得到包含多拓扑信息的融合特征图； 所述基于所述特征图、所述候选框以及所述初始深度学习模型中第一detectionhead，得到胎儿解剖结构的初始分类结果包括：利用ROI池化层获取特征图和提取的候选框，将所述候选框对应的候选区域映射到特征图中，以将所述特征图池化为统一大小的区域特征图；将所述区域特征图送入全连接层，得到固定大小的特征图；将所述固定大小的特征图输入至所述初始深度学习模型中第一detectionhead，得到胎儿解剖结构的初始分类结果以及关键结构位置坐标； 所述根据所述特征图、所述候选框、以及所述初始分类结果，且通过所述DAEFLM模块以及所述第一detectionhead，得到第一分类分数包括：将所述区域特征图以及所述固定大小的特征图输入至DAEFLM模块中，经过分类处理之后，得到加权分类评分图；将所述第一detectionhead输出所述初始分类结果与所述加权分类评分图加权求和得到第一分类分数； 所述根据所述特征图以及所述初始分类结果、且通过所述TKRM模块得到包含多拓扑信息的融合特征图包括：将所述固定大小的特征图、所述初始分类结果、以及所述关键结构位置坐标输入至所述TKRM模块，得到包含多拓扑信息的融合特征图。

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湖南大学，其通讯地址为：410013 湖南省长沙市岳麓区麓山南路；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。