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！

龙图腾网获悉电子科技大学申请的专利一种基于冠脉造影和时空协同学习的冠脉狭窄检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：CN119323546B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202411366565.1，技术领域涉及：G06T7/00；该发明授权一种基于冠脉造影和时空协同学习的冠脉狭窄检测方法是由田淼;侯依凡;钱可伟;魏天龙;张大勇;刘海波;姜乐;黄霁设计研发完成，并于2024-09-29向国家知识产权局提交的专利申请。

本一种基于冠脉造影和时空协同学习的冠脉狭窄检测方法在说明书摘要公布了：本发明公开了一种基于冠脉造影和时空协同学习的冠脉狭窄检测方法，属于智慧医疗领域。本发明通过基于通道混洗结构重参数化卷积单次聚合模块的深度特征提取网络，通过通道分割和多分支训练，增强了特征的复用和信息流动，在特征融合网络中引入双流路径实现对不同尺度特征的自适应带权融合，提高对空间特征的表征；采用能同时融合时间信息和局部空间信息的时空协同分析模块，通过构建时序连接和融合时空特征图，有效捕捉时空序列中的血管形状变形和血流动力学信息，增强有效特征信息，从而提高冠脉狭窄病变的检测准确性和鲁棒性。本发明综合考虑了冠脉造影序列图像的时间和空间信息，减少了假阳性检测的数量，综合提升模型冠脉狭窄病变的检测能力。

本发明授权一种基于冠脉造影和时空协同学习的冠脉狭窄检测方法在权利要求书中公布了：1.一种基于冠脉造影和时空协同学习的冠脉狭窄检测方法，其特征在于，包括下列步骤： 步骤1，获取原始冠脉造影数据以及医生诊断信息； 步骤2，对原始冠脉造影数据和医生诊断信息进行数据预处理，得到序列冠脉造影图像以及对应的狭窄位置信息标注标签； 步骤3，构建冠脉造影图像空间特征约束网络，其包括深度特征提取网络和双流路径多尺度特征融合网络； 其中，深度特征提取网络为基于通道混洗结构重参数化卷积单次聚合模块的网络结构，用于提取序列冠脉造影图像的每帧冠脉造影图像的三个不同尺度的空间特征； 双流路径的多尺度特征融合网络通过自下而上和自上而下的双流路径对深度特征提取网络提取的多尺度的空间特征进行加强和融合，以得到每帧冠脉造影图像的三个不同尺度的增强空间特征；其中，增强空间特征的三个尺度与深度特征提取网络提取的空间特征的尺度保持一致； 步骤4，构建时空信息协同分析模块，将提取的序列冠脉造影图像的每一帧的三个尺度的增强空间特征输入到时空信息协同分析模块中，以单帧空间特征作为先验知识，在序列帧之间构建时序连接，以获取包含过去帧信息的时空特征，从而得到当前帧的三个尺度的包含过去帧信息的时空特征，再将该时空特征与当前帧对应尺度的增强空间特征进行融合，得到当前帧的最终的时空特征； 再将每一帧的多尺度的时空特征输入检测头进行冠脉狭窄的目标检测，获取当前帧的冠脉狭窄检测结果； 其中，时空信息协同分析模块具体设置为： 对序列冠脉造影图像的每帧的三个尺度的增强空间特征，通过基于时空特性的长短期记忆网络ST-LSTM单元进行特征提取； 若当前帧为序列的第一帧，则分别将每个尺度的增强空间特征输入其对应的ST-LSTM单元，并将ST-LSTM单元的输出特征与该ST-LSTM单元的输入特征相加，得到当前帧当前尺度的最终的时空特征； 从序列的第二帧开始，ST-LSTM单元的输入包括当前帧当前尺度的增强空间特征，还包括之前帧同尺度的增强空间特征经ST-LSTM单元的输出特征；然后再将当前帧当前尺度所对应的ST-LSTM单元的输出特征与当前帧的当前尺度的增强空间特征相加，得到当前帧当前尺度的最终的时空特征。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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。