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图像图表示与图神经网络的骨关节健康状态评估方法及系统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：CN115527677B 。

龙图腾网通过国家知识产权局官网在2025-12-05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：202211265611.X，技术领域涉及：G16H50/30；该发明授权一种基于图像图表示与图神经网络的骨关节健康状态评估方法及系统是由戴大伟;徐涛;兰丹凤;夏书银;王国胤设计研发完成，并于2022-10-17向国家知识产权局提交的专利申请。

本一种基于图像图表示与图神经网络的骨关节健康状态评估方法及系统在说明书摘要公布了：本发明属于图神经网络技术领域，具体涉及一种基于图像图表示与图神经网络的骨关节健康状态评估方法及系统；该方法包括：获取带有标签的骨关节图像；对骨关节图像中的膝盖部位进行定位，将每张图像均切分为左膝盖图像和右膝盖图像；对每张图像进行图表示，得到骨关节图像的节点信息、边信息和邻接矩阵；将训练集输入到基于图神经网络的骨关节健康状态评估模型中进行训练，并且对测试集骨关节健康等级进行评估，得到最佳评估结果和模型；使用该模型评估骨关节健康等级，可视化图神经网络在评估过程中对图像关注区域的热力图；本发明评估精度高，可解释性好，实用性高，具有良好的应用前景。

本发明授权一种基于图像图表示与图神经网络的骨关节健康状态评估方法及系统在权利要求书中公布了：1.一种基于图像图表示与图神经网络的骨关节健康状态评估方法，其特征在于，包括：获取骨关节图像并对其进行图表示，得到骨关节图像的节点信息、边信息和邻接矩阵；将骨关节图像的节点信息、边信息和邻接矩阵输入到训练好的基于图神经网络的骨关节健康状态评估模型中，得到最佳骨关节健康状态评估结果；采用训练好的模型对骨关节图像进行评估时，可视化图神经网络对骨关节图像关注区域的热力图； 对基于图神经网络的骨关节健康状态评估模型进行训练的过程包括： S1：获取带有标签的骨关节图像，其中标签为对骨关节健康等级的描述标记；将带有标签的骨关节图像划分为训练集和测试集； S2：对骨关节图像中的膝盖部位进行定位，将每张图像均切分为右膝盖图像和右膝盖图像，切分后的图像均带有一个标签； S3：对每张图像进行图表示，得到图结构信息，包括节点信息、边信息以及邻接矩阵；对每张图像进行图表示的过程包括： 采用图像像素聚类算法将图像聚类成大小不一的矩形结构，将每个矩形均表示为图的节点，若两个矩形有相交部分则表示两个节点存在相连接的边；采用图像像素聚类算法将图像聚类成大小不一的矩形结构的过程包括： 步骤A：设置像素阈值T、纯度阈值P和方差阈值V； 步骤B：在图像中随机选取一个像素点作为中心像素点，计算中心像素点与其周围像素点的像素差值t，若t小于T，则将该点作为异类点； 步骤C：根据异类点与周围像素点的比值并根据该比值计算中心像素点与周围像素点组成区域的纯度p；计算中心像素点与其周围像素点的像素方差v；计算中心像素点与周围像素点组成区域的纯度的公式为： 其中，p表示纯度，s表示异类点数量，n表示周围像素点数量； 步骤D：若p小于P以及v大于V，将当前区域划分为一个矩形并返回步骤B；否则，区域四周扩张，重复步骤C； 步骤E：判断是否存在一个矩阵包含所有像素点，若是，则聚类完成，否则，返回步骤B； 计算每张图像中所有节点的节点信息；节点信息包括：中心坐标、宽度、平均像素、最大像素、最小像素值、像素方差和中心点梯度； 计算每张图像中的边信息；边信息包括两个矩形的像素总和以及两个矩形的重叠像素占总和像素的比例； 根据每张图像中每个节点的入度和出度计算每张图像的邻接矩阵； S4：将训练集中骨关节图像的图结构信息输入到图神经网络进行训练；将测试集中骨关节图像的图结构信息输入到模型中进行评估，得到最佳的骨关节健康状态评估结果和最佳骨关节健康状态评估模型。

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。