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！

龙图腾网获悉重庆邮电大学申请的专利一种基于先验信息的肾细胞癌窦性侵犯预测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：CN119399542B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202411538601.8，技术领域涉及：G06V10/764；该发明授权一种基于先验信息的肾细胞癌窦性侵犯预测方法是由姜小明;姬国英;王莞芸;张涵;袁源;崔耀建;何涛设计研发完成，并于2024-10-31向国家知识产权局提交的专利申请。

本一种基于先验信息的肾细胞癌窦性侵犯预测方法在说明书摘要公布了：本发明属于图像分类技术领域，具体涉及一种基于先验信息的肾细胞癌窦性侵犯预测方法，包括：获取CT图像，根据CT图像构建肾细胞癌窦性侵犯预测数据集；对数据集中的数据进行特征提取，根据提取的特征图构建异构图；将异构图输入到训练后的先验驱动的图神经网络模型，得到肾细胞癌窦性侵犯预测结果；对预测结果进行评估；本发明通过扩散摄动策略以数据驱动的方式生成不同的潜在外观，并学习扰动不变特征，从而对跨数据集应用带来的网络性能衰减进行减益校正。

本发明授权一种基于先验信息的肾细胞癌窦性侵犯预测方法在权利要求书中公布了：1.一种基于先验信息的肾细胞癌窦性侵犯预测方法，其特征在于，包括：获取CT图像，根据CT图像构建肾细胞癌窦性侵犯预测数据集；对数据集中的数据进行特征提取，根据提取的特征图构建异构图；将异构图输入到训练后的先验驱动的图神经网络模型，得到肾细胞癌窦性侵犯预测结果；对预测结果进行评估； 构建肾细胞癌窦性侵犯预测数据集包括：采用Unet++模型对CT图像进行分割；计算分割掩膜中肾脏的最小边界框；将最小边界框沿x、y方向增加5px计算ROI；从ROI的左上角开始，使用滑动窗口策略截取固定大小为r×r的Patch图像；重复上述过程，直到所有病例Patch图像截取完成； 对数据集中的数据进行特征提取包括： 步骤1：获取肾窦侵犯的数据集和相应的肿瘤注释作为Patch标签Ypatch，包含肿瘤的Patch标记为1，否则标记为0，并划分为训练集、验证集和测试集； 步骤2：将训练集中的Patch图像通过扩散扰动的策略进行数据增强后分别输入Patch级别的特征提取网络中得到预测结果Ppatch； 通过扩散扰动的策略进行数据增强包括：将原始的Patch图像标记为x0，根据方差表β1,…,βT逐步向Patch中添加噪声，对xt-1加上噪声得到时间步t上的Patch图像xt；其表达式为： 其中，βt为方差表，ε～N0,I是标准的高斯噪声，I为标准差，T为扩散时间步； 步骤3：根据Ypatch和Ppatch构建损失函数； 步骤4：根据损失函数通过反向传播的机制对特征提取网络的所有参数进行更新； 步骤5：使用验证集对网络进行评估，保存指标最好的模型参数权重； 步骤6：重复步骤2到步骤5，直至训练结束； 步骤7：移除特征提取网络最后的全连接层作为编码器，网络加载最优模型参数权重，将Patch图像x∈Rr×r输入编码器得到Patch级别的特征表示f∈Rd；d为特征向量的维度； 构建异构图包括： 步骤1、将一个病例的所有Patch图像定义为异构图中节点集V； 步骤2、将肿瘤注释作为组织区分度先验信息编码为节点类型，带有肿瘤的节点编码为1，否则编码为0，形成节点类型集T； 步骤3、将所有节点输入训练好的编码器得到节点特征f∈Rd，并与对应的节点类型进行组合形成节点特征矩阵F∈Rn×d，n为节点的数量； 步骤4、根据Patch在原始CT图像中的空间位置先验信息定义边和边的属性，将每个节点和在空间上与其相邻的节点连接起来形成边集E；对于每个边e∈E，计算头部和尾部节点之间的欧式距离作为空间接近度先验信息引入边属性A； 步骤5、定义该病例对应的异构图G＝V,E,T,A，其中V，E，T分别为节点集，边集和节点类型集，A代表边属性矩阵； 步骤6、重复步骤1到步骤5，直至处理完所有病例； 先验驱动的图神经网络模型包括全局感知聚合层、先验池化以及多层感知机分类器；全局感知聚合层用于提取异构图中各个节点的特征；先验池化用于融合节点特征生成图级特征表示g；多层感知机分类器用于对图级特征表示进行分类预测。

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重庆邮电大学，其通讯地址为：400065 重庆市南岸区南山街道崇文路2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。