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！

龙图腾网获悉广东工业大学申请的专利一种基于解剖学的甲状腺超声扫查视频流程分析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：CN119477853B 。

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：202411579574.9，技术领域涉及：G06T7/00；该发明授权一种基于解剖学的甲状腺超声扫查视频流程分析方法是由黄浩晖;李昀娇;李叶雯;郭靖;黄凯伦设计研发完成，并于2024-11-07向国家知识产权局提交的专利申请。

本一种基于解剖学的甲状腺超声扫查视频流程分析方法在说明书摘要公布了：本发明的目的是提供一种基于解剖学的甲状腺超声扫查视频流程分析方法，该方法包括：根据超声图像解剖学知识进行图神经网络建模；采用自适应甲状腺解剖推理分割网络对甲状腺及周边器官进行图像分割；采用时间卷积网络判断当前帧的扫查阶段。本发明通过基于输入特征的自注意机制自适应地学习解剖关系建模，从而更好地捕捉复杂的解剖结构之间的联系，并且开创性进行基于视频流的超声扫查流程分析，实现对超声扫查流程的精确理解与阶段分割，引入了时空信息融合阶段，采用了时间卷积网络TCN使得模型不仅能够捕捉到空间特征，还能够理解时间序列上的动态变化，从而提高了对超声视频流中扫查阶段的识别能力。

本发明授权一种基于解剖学的甲状腺超声扫查视频流程分析方法在权利要求书中公布了：1.一种基于解剖学的甲状腺超声扫查视频流程分析方法，其特征在于，包括： 根据超声图像解剖学知识进行图神经网络建模； 采用自适应甲状腺解剖推理分割网络对甲状腺及周边器官进行图像分割； 采用时间卷积网络判断当前帧的扫查阶段； 所述自适应甲状腺解剖推理分割网络包括：主干模块、颈部模块、自适应关系图推理模块和分割头模块； 将图神经网络的节点输入所述自适应甲状腺解剖推理分割网络； 所述自适应甲状腺解剖推理分割网络输出甲状腺分割结果； 其中，所述颈部模块由特征金字塔网络上采样和路径聚合网络下采样组成，用于多尺度特征融合； 所述自适应关系图推理模块嵌入在主干模块和分割头模块之间，用于识别和集成局部拓扑结构的关系，描述结构化约束的局部拓扑关系块； 全卷积神经网络模块以自适应关系图推理模块的输出特征图作为输入，并进行逐像素分类，输出甲状腺分割结果； 其中，所述主干模块以CSPDarknet53作为特征提取的骨干； 将大小为H×W×C的超声图像输入主干模块，骨干网络在初始阶段引入焦点模块； 将宽度和高度信息叠加到通道中； 在焦点模块之后，特征贴图经过BaseConv、CSP层、SPPBottleneck网络层，输出为三个尺寸为H8×W8×256、H16×W16×512和H32×W32×1024的特征图； 其中，所述自适应关系图推理模块包括： 消息功能和聚合函数，表示为： ， ； 式中，邻接矩阵结合来自邻近节点v的消息，生成节点u接收到的信息的聚合表示，N是节点顶点的总数，两个相邻节点之间的连接由一个边权值控制，节点特征矩阵X由中心点特征组成，记为其中C为特征维数，和表示可学习的权重矩阵； 在两个节点向量之间进行特征拼接，计算为节点特征表示的加权和，消息功能和聚合功能公式表示为： ， ； 式中，||表示连接操作，对每对节点向量分别应用可共享和可学习的线性变换权值矩阵，如果和是从较接近的区域学习到的特征，那么的值很大； 通过图推理将特征更新组织如下： ； 式中，是一个归一化矩阵，ReLU是一个激活函数，的K是由一个非线性变换函数计算； 局部拓扑关系块的输出被发送到由DiceLoss监督的位置分支，使用几何中心的地面真实值和预测分割值计算损失，表示为： ； 与分别表示真实样本标签值和模型预测值，N为中心点总个数。

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广东工业大学，其通讯地址为：510006 广东省广州市东风东路729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。