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！

龙图腾网获悉电子科技大学(深圳)高等研究院申请的专利基于深度学习的医学图像重点区域解释和医学报告生成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：CN119380919B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202411524833.8，技术领域涉及：G16H15/00；该发明授权基于深度学习的医学图像重点区域解释和医学报告生成方法是由朱晓峰;马晓桐;薛䶮设计研发完成，并于2024-10-30向国家知识产权局提交的专利申请。

本基于深度学习的医学图像重点区域解释和医学报告生成方法在说明书摘要公布了：本发明公开了一种基于自注意力和稀疏注意力机制的医学图像分类及自动医学报告生成方法。该方法结合卷积神经网络CNN、自注意力机制和稀疏注意力机制，能够有效提取医学图像的局部和全局特征，专注于关键图像区域，从而提高医学图像分类的准确性，并自动生成对应的医学报告。首先，该方法通过卷积神经网络对输入的医学图像进行预处理，以提取局部特征；随后，利用自注意力机制计算图像块之间的全局依赖关系，增强对图像整体信息的捕捉；接着，通过稀疏注意力机制筛选出对分类任务重要的图像块，减少冗余信息。最终，方法根据关键图像块生成医学诊断报告，提供可解释的分类结果。该发明适用于各种医学图像诊断场景，有助于减轻医生工作负担，提高诊断效率。

本发明授权基于深度学习的医学图像重点区域解释和医学报告生成方法在权利要求书中公布了：1.一种基于注意力机制的深度学习医学图像分析系统，其特征在于，该系统包括： S1：图像处理模块，基于卷积神经网络CNN将输入的医学图像划分为若干图像块，并对每个图像块进行特征提取； S2：自注意力机制模块，用于分析各图像块之间的全局依赖关系，捕捉图像块之间的重要联系，将这种将多个自注意力层结果前后联系的结构称为TSATandemSelf-Attention，即堆叠自注意力层，具体操作为： S2.1：将图像分割成大小相等的块，并将每个块视作一个独立的token令牌。具体来说，对于每一个的图像而言，将图像分成N个的块使用，其中，H和W代表图像的长，宽，P,P代表每个图像块的大小； 自注意力层使用多头自注意力机制，通过以下公式计算图像块之间的依赖关系：多头注意力机制计算方法如下： 其中：其中Concat函数将不同的head拼接起来，Q，K，V为嵌入向量； S2.2：本方法，采用堆叠注意力的方式来进一步增强对图像块内部关系的理解，具体方法如下： S2.2.1：在第一层自注意力处处理后，输出SAX，随后的自注意力层继续在此基础上进一步调整和细化数据表示，允许模型捕捉更加复杂和抽象的数据特征，每一层的自注意力都在前一层输出的基础上进一步增强模型对数据内部依赖关系的理解，从而实现对输入数据的多层次分析； S2.2.2：在模型中，权重、和具有相同的维度，且每个自注意层使用不同的权重来学习自身的注意力分数，模型使用了三层堆叠的注意力网络，这部分结构使用softmax函数作为激活函数； S2.2.3：在使用TSA层时，使用了ResNet中的残差操作，其中ℓX表示上层输出的特征经过两层自注意力层后，通过残差连接的输出，TSA层的计算公式如下：S3：稀疏注意力机制模块PatchSparseAttention，PSA，通过稀疏注意力操作选择和聚焦在权重较高的图像块，以增强对医学图像中重点区域的识别，具体步骤包括： S3.1：以TSA模块中的输出为例，计算一个归一化后的向量的公式如下：使用指数函数来计算每个图像块的权重，这种做法可以增强图像块之间的差异性有助于稀疏化，通过仅保留最重要的个图像块，上述公式中表示向量中第k大的值。

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电子科技大学(深圳)高等研究院，其通讯地址为：518109 广东省深圳市龙华区观澜街道新澜社区观光路1301-78号银星智界二期2号楼；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。