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！

龙图腾网获悉华中科技大学同济医学院附属同济医院申请的专利基于动态依赖图与自监督学习的COPD早期筛查方法及应用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：CN120613136B 。

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：202511120003.3，技术领域涉及：G16H50/30；该发明授权基于动态依赖图与自监督学习的COPD早期筛查方法及应用是由余维巍;王琪;杨春晓;张存泰设计研发完成，并于2025-08-12向国家知识产权局提交的专利申请。

本基于动态依赖图与自监督学习的COPD早期筛查方法及应用在说明书摘要公布了：本发明属于医疗影像分析与人工智能领域，针对现有灵敏度不足、特征表示不足等问题，提出一种基于动态依赖图与自监督学习的COPD早期筛查方法及应用，包括：S1：对胸部CT影像数据预处理，得到增强图像块；S2：生成增强图像块的图像块序列；S3：将图像块序列输入自监督学习的Transformer编码器，并构建自监督学习的总损失函数；S4：确定预测COPD风险概率的模型，构建有监督分类任务的损失函数对COPD风险概率的模型优化。S5：构建综合损失函数，对预测COPD风险概率模型整体优化。本发明的方法融合了多项先进技术，旨在通过自动化、高效且高精度的方式对COPD进行早期检测与风险评估。

本发明授权基于动态依赖图与自监督学习的COPD早期筛查方法及应用在权利要求书中公布了：1.一种基于动态依赖图与自监督学习的COPD早期筛查方法，其特征在于，包括： S1：对胸部CT影像数据预处理，得到增强图像块； S2：生成增强图像块的图像块序列；S2包括： S2.1：获取增强图像块的中心性评分和局部特征重要性评分； S2.2：确定增强图像块的处理顺序，得到图像块序列；S2.2包括： S2.2.1：结合增强图像块的中心性评分和局部特征重要性评分，计算每个增强图像块的优先级评分； S2.2.2：基于贪心策略的优先队列算法，将增强图像块按照优先级评分从高到低的处理顺序，生成增强图像块的图像块序列； S2.2.2包括： S2.2.2.1：初始化增强图像块为未处理状态，并构建未处理图像块集合； S2.2.2.2：从未处理图像块集合中选择优先级评分最高的图像块； S2.2.2.3：将S2.2.2.2选择的图像块添加到处理序列中，并标记为已处理图像块； S2.2.2.4：更新动态依赖图中的边权重； S2.2.2.5：重复S2.2.2.1-S2.2.2.4，直到未处理图像块集合的图像块均被处理，生成增强图像块的图像块序列； S3：将图像块序列中的元素输入自监督学习的Transformer编码器，提取图像块的自监督学习特征，并构建自监督学习的总损失函数；S3包括： S3.1：将第图像块输入自监督学习的Transformer编码器，提取图像块的自监督学习特征； S3.2：聚合前i-1个自监督学习特征得到特征集合，将特征集合进行加权得到上下文向量； S3.3：在S3.1和S3.2的基础上，得到上下文依赖性的正则化项； S3.4：构建自监督学习特征的多尺度对比学习损失函数； S3.5：基于正则化项和多尺度对比学习损失函数，构建自监督学习的总损失函数； S4：将图像块序列中的元素输入有监督分类任务的Transformer编码器，提取图像块的有监督分类任务特征，加权后得到全局特征，采用分类器将全局特征映射到COPD风险评分，得到预测COPD风险概率模型，构建有监督分类任务的损失函数对COPD风险概率的模型优化，实现COPD早期筛查； 预测COPD风险概率的模型为： ； 其中，为预测的COPD风险概率，和分别为分类器的可训练权重和偏置，为Sigmoid激活函数，为全局特征； S5：联合自监督学习的总损失函数和有监督分类任务的损失函数，构建综合损失函数，实现对预测COPD风险概率模型的整体优化。

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华中科技大学同济医学院附属同济医院，其通讯地址为：430030 湖北省武汉市硚口区解放大道1095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。