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！

龙图腾网获悉杭州电子科技大学申请的专利一种基于特征融合的心力衰竭合并左束支传导阻滞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：CN119887661B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202411933181.3，技术领域涉及：G06T7/00；该发明授权一种基于特征融合的心力衰竭合并左束支传导阻滞分类方法是由计忠平;李双;叶炀;胡红杰设计研发完成，并于2024-12-26向国家知识产权局提交的专利申请。

本一种基于特征融合的心力衰竭合并左束支传导阻滞分类方法在说明书摘要公布了：本发明公开了一种基于特征融合的心力衰竭合并左束支传导阻滞分类方法，分类方法通过利用心脏磁共振图像，提取放射组学特征和深度学习特征，进行特征融合与选择，以及利用机器学习算法构建分类模型，并以筛选后的融合特征做为输入，该方法结合了深度学习在图像处理方面的优势与机器学习在分类任务中的高效性，通过结合放射组学特征和深度学习特征，能够更全面、准确地反映心脏图像的复杂信息，而利用自动化和智能化的特征提取和分类方法，能够快速处理和分析大量的医学影像数据，实现了对心力衰竭合并左束支传导阻滞的准确分类，本发明具有更高的分类准确率和更强的鲁棒性，在医学图像分类领域中，有助于提高医疗服务的效率和质量。

本发明授权一种基于特征融合的心力衰竭合并左束支传导阻滞分类方法在权利要求书中公布了：1.一种基于特征融合的心力衰竭合并左束支传导阻滞分类方法，其特征在于：包括以下步骤: 步骤a：构建包括心力衰竭合并左束支传导阻滞心脏磁共振图像的数据集，对数据集中的医学图像数据进行预处理； 步骤b：从预处理后的图像中提取放射组学特征，所述放射组学特征包括形态学特征、纹理特征、密度特征、边缘特征； 步骤c：利用预训练的深度学习模型经过微调，对预处理后的图像进行特征提取，得到深度学习特征； 步骤d：结合所述放射组学特征和所述深度学习特征进行特征融合，得到融合后的特征向量，并进行特征选择； 所述进行特征选择包括：使用t-test对初始的融合特征进行筛选，选择p值小于0.05的特征作为重要特征，应用Pearson相关系数分析评估特征之间的相关性，去除相关系数大于0.9的冗余特征，再应用LASSO模型对剩余特征进行压缩和选择，得到最终的非零系数特征集； 步骤e：对筛选后的特征进行建模，通过进行模型评估训练以验证融合特征模型的性能，同时输出模型评估结果； 步骤f：利用模型评估结果对输入的心力衰竭合并左束支传导阻滞图像进行分类操作，得到并输出分类结果。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市钱塘区白杨街道2号大街1158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。