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！

龙图腾网获悉中国科学院苏州生物医学工程技术研究所申请的专利消化道早癌病灶检测模型构建方法及系统、设备、介质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：CN120635088B 。

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：202511132327.9，技术领域涉及：G06T7/00；该发明授权消化道早癌病灶检测模型构建方法及系统、设备、介质是由党世杰;赵凌霄;孙玮;许春晓;陈振鑫设计研发完成，并于2025-08-13向国家知识产权局提交的专利申请。

本消化道早癌病灶检测模型构建方法及系统、设备、介质在说明书摘要公布了：本发明提供消化道早癌病灶检测模型构建方法及系统、设备、介质，该方法包括步骤：构建多模态内镜图像数据集并在各模态下训练早癌病灶检测模型；训练任意内镜模态之间可相互转换的生成模型；生成模型评估及优化；筛选对应匹配的内镜模态图像；生成模型补足缺失模态图像并融合各模态检测结果以构建消化道早癌病灶高效检测模型；利用部分模态图像训练病灶检测模型并通过知识蒸馏迁移提升检测性能。本发明在生成式网络的辅助下，充分发挥基于多模态图像的消化道早癌病灶检测模型潜力，能够在获取多模态内镜检查图像受限的应用场景中尤其是在仅能获取到WLI图像的情况下，提升消化道早癌病灶检出率，可有效防止漏检。

本发明授权消化道早癌病灶检测模型构建方法及系统、设备、介质在权利要求书中公布了：1.一种消化道早癌病灶检测模型构建方法，其特征在于，包括以下步骤： 收集消化道早癌内镜检查所采集的各种图像及其病灶标注数据，构建多模态内镜图像数据集，以训练构建针对多个模态内镜图像的早癌病灶检测模型； 利用多模态内镜图像数据训练任意内镜图像模态之间可以相互转换的多对多映射生成网络模型； 评估生成网络模型的性能并优化模型，以确保生成的虚拟模态图像质量； 筛选与白光模态拍摄视角及内容对应匹配的增强模态图像； 使用生成网络模型对未获取到或匹配缺失的增强模态图像进行补足，以构建对应匹配的完整多模态内镜图像数据集，以训练融合各模态检测结果的消化道早癌病灶高效检测模型； 利用实际获取到的对应匹配的部分模态图像数据，训练两个消化道早癌病灶检测网络模型作为学生模型，将所述消化道早癌病灶高效检测模型作为教师模型，从教师模型向学生模型进行知识蒸馏以传递知识，同时让学生模型之间相互学习以提升学生模型的早癌病灶检测性能； 所述从教师模型向学生模型进行知识蒸馏以传递知识步骤包括： 在图像特征层面对学生模型进行知识蒸馏，使用病灶区域标注掩膜和注意力图谱作为指引信息，引导蒸馏过程关注重要区域，提高蒸馏效果和效率，学生模型接受教师模型在图像特征方面的知识蒸馏损失为： ， ， 其中，，分别表示教师模型和学生模型的特征，，，分别表示特征高度、宽度和通道数，用于适配教师和学生特征的尺度，表示逐元素乘法； 在多粒度对比信息层面对学生模型进行知识蒸馏，在三个不同粒度上编码病灶区域与正常区域对比信息：在每个粒度k{1,…,}上，采样病灶区域尺寸为的特征块个，采样正常区域尺寸为的特征块个，从教师模型向学生模型蒸馏对比信息的损失为： ， 其中，用于表征病灶-正常区域图块特征间的对比信息，采用欧式距离度量；表示在粒度k上的权重系数，计算公式为： ， 在病灶检测结果层面对学生模型进行知识蒸馏，对病灶边界框进行概率分布建模表示：假定病灶边界框的任意一条边，其回归范围为，将其等间隔离散采样为[]，其概率分布可经由n+1个结构单元组成的归一化指数Softmax函数计算实现，病灶边界框整体4条边的概率分布表示为；当教师模型比学生模型的检测边界框更接近真实标签GT时，将病灶边界框概率分布知识由教师模型蒸馏至学生模型，教师模型对学生模型的病灶边界框蒸馏损失为： ， ， 其中，表示交叉熵损失，、和分别表示教师模型、学生模型和真实标签的病灶边界框概率分布，为交并比； 针对检测到的个边界框，用和分别表示教师模型和学生模型的分类预测结果，教师模型对学生模型的分类结果蒸馏损失计算为： ， 其中，表示KL散度损失； 结合边界框和分类两种结果，教师模型对学生模型的病灶检测结果知识蒸馏损失为： ， 其中，和为平衡损失的超参数； 教师模型对学生模型总的知识蒸馏损失为： ， 其中，、和为平衡损失的超参数。

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中国科学院苏州生物医学工程技术研究所，其通讯地址为：215000 江苏省苏州市高新区科灵路88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。