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！

龙图腾网获悉北京大学人民医院;北京理工大学申请的专利基于深度学习的鼓膜穿孔识别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：CN120726404B 。

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：202511214891.5，技术领域涉及：G06V10/764；该发明授权基于深度学习的鼓膜穿孔识别方法是由刁桐湘;郑一鸣;曾祥远;张永奇;余力生;林泓莹设计研发完成，并于2025-08-28向国家知识产权局提交的专利申请。

本基于深度学习的鼓膜穿孔识别方法在说明书摘要公布了：本发明属于基于深度学习的医学图像分析技术领域，提供一种基于深度学习的鼓膜穿孔识别方法，其包括：获取鼓膜图像并构建鼓膜训练用数据集；构建基于深度学习的鼓膜穿孔识别模型，基于深度学习的鼓膜穿孔识别模型包括轻量化骨干网络、多尺度通道与空间注意力模块、特征融合网络和网络输出层；训练基于深度学习的鼓膜穿孔识别模型，获得目标鼓膜穿孔识别模型；基于目标鼓膜穿孔识别模型，获取鼓膜图像的识别结果。本发明为应对微小穿孔难以识别及穿孔形态多样的问题，引入多尺度通道注意力与多尺度深度可分离卷积空间注意力，聚合上下文路径语义信息和自下而上的路径信息，实现鼓膜穿孔的自动化高精度识别。

本发明授权基于深度学习的鼓膜穿孔识别方法在权利要求书中公布了：1.一种基于深度学习的鼓膜穿孔识别方法，其特征在于：其包括以下步骤： S1、获取鼓膜图像并构建鼓膜训练用数据集； S2、构建基于深度学习的鼓膜穿孔识别模型：鼓膜穿孔识别模型包括轻量化骨干网络、多尺度通道与空间注意力模块、特征融合网络和网络输出层； S21、构建用于提取鼓膜图像穿孔特征信息的轻量化骨干网络，输出第一穿孔特征、第二穿孔特征和第三穿孔特征，轻量化骨干网络包括依次串联连接的初始卷积、第一层网络、第二层网络、第三层网络、第四层网络、第五层网络和空间金字塔池化模块； S22、构建多尺度通道与空间注意力模块，输出空间特征，多尺度通道与空间注意力模块包括多尺度通道注意力模块和多尺度深度分离卷积空间注意力模块； S22中，第三穿孔特征输入多尺度通道注意力模块得到通道注意力图，通道注意力图与第三穿孔特征经元素相乘得到通道先验；通道先验输入多尺度深度分离卷积空间注意力模块得到空间注意力图，空间注意力图与通道先验经元素相乘得到空间特征； S23、构建特征融合网络，输出第一鼓膜细粒度特征、第二鼓膜细粒度特征和第三鼓膜细粒度特征，特征融合网络用于整合网络提取的多尺度特征信息，特征融合网络包括特征金字塔网络和路径聚合网络； S23中特征金字塔网络包括第三特征压缩卷积、第八卷积和第四特征压缩卷积，路径聚合网络包括第九卷积、第一下采样、第十卷积、第二下采样和第十一卷积；特征金字塔网络的输入为第一穿孔特征、第二穿孔特征和空间特征，输出为第一语义特征、第二语义特征和第三语义特征，第一语义特征、第二语义特征和第三语义特征作为路径聚合网络的输入，路径聚合网络的输出为第一鼓膜细粒度特征、第二鼓膜细粒度特征和第三鼓膜细粒度特征； S24、构建网络输出层，用于输出鼓膜图像识别结果，鼓膜图像识别结果包括种类数量、对应每种类的置信度、预测框高、预测框宽、预测框中心点坐标和掩膜； S24中，网络输出层的输入为第一鼓膜细粒度特征、第二鼓膜细粒度特征和第三鼓膜细粒度特征，依次得到第一分割特征图、第二分割特征图和第三分割特征图，第一分割特征图、第二分割特征图和第三分割特征图依次进行网格化预测，筛选保留置信度最高的预测框和掩膜，即得到鼓膜图像识别结果； S3、训练基于深度学习的鼓膜穿孔识别模型，获得目标鼓膜穿孔识别模型； S4、基于目标鼓膜穿孔识别模型，获取鼓膜图像的识别结果。

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北京大学人民医院;北京理工大学，其通讯地址为：100044 北京市西城区西直门南大街11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。