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！

龙图腾网获悉杭州电子科技大学申请的专利一种基于自适应神经架构搜索的肺部感染影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：CN120673182B 。

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：202511180114.3，技术领域涉及：G06V10/764；该发明授权一种基于自适应神经架构搜索的肺部感染影像分类方法是由唐江平;张继勇;周晓飞;陈晨;王鹏飞;裴雅婷设计研发完成，并于2025-08-22向国家知识产权局提交的专利申请。

本一种基于自适应神经架构搜索的肺部感染影像分类方法在说明书摘要公布了：本发明公开了一种基于自适应神经架构搜索的肺部感染影像分类方法，该方法首先获取多源胸部CT影像数据，并进行预处理与特征提取，获取融合特征向量F。其次构建基于温度自适应GumbelSoftmax的神经架构搜索空间，生成候选架构池，然后使用融合特征向量F作为输入数据，采用多约束条件双层优化策略，通过帕累托Pareto最优解从架构池中选择性能最佳的神经架构搜索空间。最后基于性能最佳的神经架构，使用数据集进行训练与测试，实现对肺部感染影像的分类。本发明能够自动发现针对肺部感染多分类任务优化的深度学习架构，实现对多种肺部感染影像的高精度自动分类。

本发明授权一种基于自适应神经架构搜索的肺部感染影像分类方法在权利要求书中公布了：1.一种基于自适应神经架构搜索的肺部感染影像分类方法，其特征在于，包括以下步骤： 步骤一：获取多源胸部CT影像数据，并进行预处理与特征提取，获取融合特征向量F； 步骤二：构建基于温度自适应GumbelSoftmax的神经架构搜索空间，生成候选架构池； 步骤三：使用融合特征向量F作为输入数据，采用多约束条件双层优化策略，通过帕累托Pareto最优解从架构池中选择性能最佳的神经架构搜索空间； 所述多约束条件包括： 精度损失，基于特征向量F在验证集上的类准确率计算，即将F输入候选架构得到预测结果与真实标签比较； 计算量约束，评估处理融合特征向量F时的浮点运算次数，要求不超过设定的次数阈值； 内存约束，限制处理融合特征向量F时的GPU内存占用不超过设定的内存阈值； 延迟约束，要求从输入融合特征向量F到输出分类结果的推理时间不超过设定的推理时间阈值； 鲁棒性损失，评估同一架构在不同医院提取的融合特征向量F上的性能稳定性； 步骤四：基于性能最佳的神经架构，使用数据集进行训练与测试，实现对肺部感染影像的分类。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市钱塘区白杨街道2号大街1158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。