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！

龙图腾网获悉安徽大学申请的专利一种基于对比学习的肾癌MRI图像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：CN119992177B 。

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：202510052885.8，技术领域涉及：G06V10/764；该发明授权一种基于对比学习的肾癌MRI图像分类方法是由邵立智;姬国英;姜小明设计研发完成，并于2025-01-14向国家知识产权局提交的专利申请。

本一种基于对比学习的肾癌MRI图像分类方法在说明书摘要公布了：本发明涉及一种基于对比学习的肾癌MRI图像分类方法，包括：获取肾癌亚型数据集和相应的肾脏区域标注；将训练集输入分割网络中进行肾脏区域分割及ROI提取；进行数据增强；构建双域对比学习网络模型；得到训练后的双域对比学习网络模型；将待分类的MRI图像经过数据增强后输入训练后的双域对比学习网络模型，得到最终的肾癌分类结果。本发明有效对齐了同一病例中不同模态图像的特征，并增强了不同类别特征之间的差异性，提升了分类精度，能够在一定程度上减轻数据集间差异带来的影响，增强模型的泛化能力；通过多模态图像融合、对比学习约束和增强样本生成策略，有效提升了肾脏肿瘤分类任务的精度和稳定性，具有较强的实际应用价值。

本发明授权一种基于对比学习的肾癌MRI图像分类方法在权利要求书中公布了：1.一种基于对比学习的肾癌MRI图像分类方法，其特征在于：该方法包括下列顺序的步骤： 1获取肾癌亚型数据集和相应的肾脏区域标注，将肾脏区域标注作为分割标签Ys，将肾癌亚型数据集划分为训练集、验证集和测试集； 2将训练集输入分割网络中进行肾脏区域分割及ROI提取，得到ROI感兴趣区域；所述分割网络包括一个编码器和一个解码器； 3对提取到的ROI感兴趣区域通过线性扩散策略进行数据增强，得到增强后的MRI图像； 4构建双域对比学习网络模型，双域对比学习网络模型包括双流网络和双域对比学习损失函数； 5将增强后的MRI图像输入双域对比学习网络模型进行训练，得到训练后的双域对比学习网络模型； 6将待分类的MRI图像经过数据增强后输入训练后的双域对比学习网络模型，得到最终的肾癌分类结果； 步骤4具体包括以下顺序的步骤： 4a所述双流网络包括T1加权图像分支、T2加权图像分支和第三全连接层，T1加权图像分支和T2加权图像分支的结构相同，获取预训练的编码器，用于处理T1加权MRI图像的预训练的编码器、第一自适应平均池化层、第一全连接层组成T1加权图像分支，用于处理T2加权MRI图像的预训练的编码器、第二自适应平均池化层、第二全连接层组成T2加权图像分支；第一全连接层、第二全连接层和第三全连接层的结构相同； 4b对于患者i，使用双流网络从T1加权MRI图像中提取特征从T2加权MRI图像中提取特征 4c通过自适应平均池化操作对提取特征进行池化； 4d分别通过第一全连接层、第二全连接层将池化后的特征映射到低维空间，形成可学习的原型表示和 4e使用原型表示和构建病例内一致性约束损失函数Lintra-case： 其中，N为样本数量，τ为温度常数； 4f将原型表示和进行拼接，形成融合特征向量gi； 4g使用融合特征向量gi构建病例间特异性约束损失函数Linter-case： 式中，δ[·]为指示函数，当[·]中的条件成立时δ[·]等于1，否则δ[·]等于0；i、j、k均表示样本的索引值，y是样本i的类别标签，y是样本j的类别标签，g和g分别代表样本j、k的融合特征向量； 4h构建双域对比学习损失函数LDCL＝Lintra-case+Linter-case 4i将融合特征向量g输入至第三全连接层计算最终的肾癌分类结果。

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安徽大学，其通讯地址为：230039 安徽省合肥市肥西路3号安徽大学龙河校区；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。