Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 中国人民解放军联勤保障部队第九二四医院熊红获国家专利权

中国人民解放军联勤保障部队第九二四医院熊红获国家专利权

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!

龙图腾网获悉中国人民解放军联勤保障部队第九二四医院申请的专利一种基于深度学习的消化道辅助检测方法及装置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:CN120259172B

龙图腾网通过国家知识产权局官网在2025-11-04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:202510178052.6,技术领域涉及:G06T7/00;该发明授权一种基于深度学习的消化道辅助检测方法及装置是由熊红;于芳;贺学强;李媛媛;杨红云;谢海群;许伶俐;刘月凤;王赐峰;陈玉英设计研发完成,并于2025-02-18向国家知识产权局提交的专利申请。

一种基于深度学习的消化道辅助检测方法及装置在说明书摘要公布了:本发明公开了一种基于深度学习的消化道辅助检测方法及装置,涉及辅助检测技术领域,包括,通过内窥镜设备,基于事件驱动式采样策略对患者消化道进行原始图像采集,对原始图像进行去噪、尺寸调整和质量提升处理,得到预处理图像;利用Canny边缘检测,对预处理图像的疑似病变区域进行提取;结合超分辨率对抗生成网络和自注意力机制,对预处理图像进行超分辨率重建和局部增强,得到高清增强图像;基于病变分割掩码和高清增强图像,利用预训练特征提取网络对病变类型进行分类。本发明通过结合超分辨率对抗生成网络和自注意力机制,对预处理图像进行超分辨率重建和局部增强,增强图像细节,特别是微小病变区域的清晰度,有效降低漏检率。

本发明授权一种基于深度学习的消化道辅助检测方法及装置在权利要求书中公布了:1.一种基于深度学习的消化道辅助检测方法,其特征在于:包括, 通过内窥镜设备,基于事件驱动式采样策略对患者消化道进行原始图像采集,对原始图像进行去噪、尺寸调整和质量提升处理,得到预处理图像; 利用Canny边缘检测,对预处理图像的疑似病变区域进行提取; 结合超分辨率对抗生成网络和自注意力机制,对预处理图像进行超分辨率重建和局部增强,得到高清增强图像,具体步骤如下, 在超分辨对抗生成网络中,基于病变区域注意力机制增强疑似病变区域特征,得到双分支超分辨率生成对抗网络; 在整体超分辨率重建分支中,通过生成器在卷积层提取预处理图像的局部特征,并通过残差块进行对局部特征进行增强; 通过子像素卷积进行上采样,将预处理图像转换成高分辨率图像; 判别器采用卷积神经网络,通过计算高分辨率图像的真实概率,进行判别; 在病变区域增强分支中,基于疑似病变区域内像素点的梯度幅值,计算疑似病变区域的注意力权重图; 通过Transformer机制增强高分辨率图像中疑似病变区域的局部特征,得到高清增强图像; 利用消化道内窥镜图像数据库,对双分支超分辨率生成对抗网络进行训练; 从消化道内窥镜图像数据库中获取高分辨率消化道内窥镜图像; 将输入双分支超分辨率生成对抗网络的高分辨率消化道内窥镜图像裁剪至相同尺寸,并且通过最近邻插值法降低高分辨率消化道内窥镜图像的分辨率,得到成对的高分辨率和低分辨率消化道内窥镜图像; 将成对的消化道内窥镜图像输入双分支超分辨率生成对抗网络进行交替训练; 通过计算生成对抗损失函数、边缘保留损失函数和医学特征感知损失函数组成的总损失函数,优化双分支超分辨率生成对抗网络; 当成对的消化道内窥镜图像未完全输入双分支超分辨率生成对抗网络进行训练时,总损失函数已收敛,则提前结束训练; 反之,持续交替训练,直至双分支超分辨率生成对抗网络完成对所有成对的消化道内窥镜图像的训练; 通过对高清增强图像进行颜色分析,识别病变区域; 利用主动轮廓模型,对高清增强图像上的病变区域进行分割,得到病变分割掩码; 基于病变分割掩码和高清增强图像,利用预训练特征提取网络对病变类型进行分类。

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人民解放军联勤保障部队第九二四医院,其通讯地址为:541000 广西壮族自治区桂林市象山区新桥园路1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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。