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一种基于多任务学习的胎儿心脏疾病超声图像质量检测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：CN117274667B 。

龙图腾网通过国家知识产权局官网在2025-10-24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：202311112939.2，技术领域涉及：G06V10/764；该发明授权一种基于多任务学习的胎儿心脏疾病超声图像质量检测方法是由贺杰;杨磊;程鑫设计研发完成，并于2023-08-31向国家知识产权局提交的专利申请。

本一种基于多任务学习的胎儿心脏疾病超声图像质量检测方法在说明书摘要公布了：本发明提供一种基于多任务学习的胎儿心脏疾病超声图像质量检测方法，该方法包括构建多任务学习网络模型；将胎儿超声数据集输入到多任务学习网络模型中进行检测，并经过共享底层网络进行特征提取；将完成特征提取后的特征图通过共享网络特性进行共享特征，并将共享后特征图分别输入到关键解剖结构检测器和超声切面分类器中，进行对应任务的检测；对输出的图像利用超声图像质量分析系统界面进行解析，完成辅助超声图像检测。本发明通过多任务学习模型实现单模型完成胎儿超声图像质量评估和胎儿心脏超声图像关键解剖结构检测的胎儿心脏疾病超声图像质量控制任务，并且能在极短时间内准确完成超声平面质量评估和超声图像目标检测。

本发明授权一种基于多任务学习的胎儿心脏疾病超声图像质量检测方法在权利要求书中公布了：1.一种基于多任务学习的胎儿心脏疾病超声图像质量检测方法，其特征在于，该方法包括以下步骤： 构建多任务学习网络模型；其中，多任务学习网络模型包括共享底层网络、关键解剖结构检测器和超声切面分类器； 将胎儿超声数据集输入到多任务学习网络模型中进行检测，并经过共享底层网络进行特征提取； 将完成特征提取后的特征图通过共享网络特性进行共享特征，并将共享后特征图分别输入到关键解剖结构检测器和超声切面分类器中，进行对应任务的检测；在关键解剖结构检测器输出检测并框选完目标区域后的图像，在超声切面分类器中输出图像的质量与图像类型，将两者输出进行结合对输出的图像进行解析； 利用超声图像质量分析系统界面将输出图像和解析结构结果进行解析完成辅助超声图像检测； 其中，所述共享底层网络包括： 输入层，输入输入层的图像是原始图像采用马赛克增强和图像自适应预处理后的数据集图像； 卷积层结构，共享底层网络由五个卷积核为3的卷积层和一个卷积核为6的卷积层组成； 残差网络结构，整个共享底层网络共由4个卷积核为1、步长为1的含卷积层的残差边的残差结构块组成，其中，残差结构块中主干部分由继续嵌套N个残差边不含残差结构的残差块组成； 注意力机制块，在YoloV5主干网络第五层卷积层前引入一个GAM通道、空间混合注意力机制，用于增强特征提取，并经过第五个卷积层和残差层输出底层共享的特征图；其中，共享底层网络每一层的激活函数为SiLU激活函数； 注意力机制块为GAM混合注意力机制，在GAM混合注意力机制中融入了多层感知机模块，当输入的特征图经过GAM通道输出后与原始特征图进行按特征点进行乘积，得到的特征图与原始特征图在尺寸上保持一致，并将得到的特征图作为GAM混合注意力机制的输入，在GAM混合注意力机制中，使用卷积核为7的卷积层对特征图升维和降维，即使用膨胀卷积替换原始卷积提高卷积速度。

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：410012 湖南省长沙市岳麓区麓山南路麓山门；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。