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！

龙图腾网获悉长春理工大学申请的专利一种基于CNN和改进VIT的颅内血肿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：CN117197549B 。

龙图腾网通过国家知识产权局官网在2025-11-18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：202311107396.5，技术领域涉及：G06V10/764；该发明授权一种基于CNN和改进VIT的颅内血肿分类方法是由高凯;刘长龙;李光宇设计研发完成，并于2023-08-30向国家知识产权局提交的专利申请。

本一种基于CNN和改进VIT的颅内血肿分类方法在说明书摘要公布了：一种基于CNN和改进VIT的颅内血肿分类方法，属于医学图像分类技术领域，为了解决现有的医学影像分类方法中分类准确率低的问题，该方法包括准备数据集：对颅内血肿的CT影像数据集按照EDH、IPH、IVH、SAH、SDH五种类型进行手动分类；数据集预处理：对分类好的五种类型血肿影像进行去颅骨操作和数据扩充；构建网络模型：构建一个结合残差神经网络ResNet50和特征迭代邻接关系的VisionTransformer模型的网络；训练网络模型：将步骤2预处理得到的图像输入到步骤3构建的网络模型中进行训练；选择最小化损失函数和最优评估指标；微调模型：用颅内血肿数据集对模型进行训练和微调，得到稳定可用的模型参数；保存模型。该方法提高分类准确率，节省诊断时间，避免不同医生的诊断误差。

本发明授权一种基于CNN和改进VIT的颅内血肿分类方法在权利要求书中公布了：1.一种基于CNN和改进VIT的颅内血肿分类方法，其特征是，其包括以下步骤： 步骤1，准备数据集：对颅内血肿的CT影像数据集按照EDH、IPH、IVH、SAH、SDH五种类型进行手动分类; 步骤2，数据集预处理：对分类好的五种类型血肿影像进行去颅骨操作和数据扩充； 步骤3，构建网络模型：构建一个结合残差神经网络ResNet50和特征迭代邻接关系的VisionTransformer模型的网络； 步骤4，训练网络模型：将步骤2预处理得到的图像输入到步骤3构建的网络模型中进行训练； 步骤5，选择最小化损失函数和最优评估指标：通过最小化网络输出图像与标签的损失函数，直到训练次数达到设定阈值或损失函数的值到达设定范围内即可认为模型参数已经训练完成，保存模型参数；同时选择最优评估指标来衡量算法的精度，评估系统的性能； 步骤6，微调模型：用颅内血肿数据集对模型进行训练和微调，得到稳定可用的模型参数，进一步提高模型的分类能力； 步骤7，保存模型：将最终确定的模型参数进行固化，之后需要进行颅内血肿分类操作时，直接将图像输入到网络中即可得到最终的分割图像； 所述步骤3中训练所用卷积神经网络采用ResNet50卷积神经网络，该网络包含49个卷积层和一个全连接层，其中有16个残差块，每个残差块由三个卷积层构成；将ResNet50卷积神经网络中提取的特征图分成16个patch，生成一个16×16的邻接关系矩阵和一个1×16的特征矩阵，将邻接关系矩阵与特征矩阵相乘得到得一个邻接关系矩阵，经过与对角矩阵相乘以及标准化处理得到最终迭代了邻接关系的特征矩阵，之后经过位置编码、多头注意力模块、多层感知机和分类器组成的VisionTransformer模型，即构建成整体网络模型。

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长春理工大学，其通讯地址为：130022 吉林省长春市朝阳区卫星路7186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。