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！

龙图腾网获悉西安交通大学医学院第一附属医院申请的专利基于AI垂直大模型的下肢动脉超声标准化检查系统及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：CN120280095B 。

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：202510769624.8，技术领域涉及：G16H30/00；该发明授权基于AI垂直大模型的下肢动脉超声标准化检查系统及方法是由孟燕;田红燕;康梦阳设计研发完成，并于2025-06-10向国家知识产权局提交的专利申请。

本基于AI垂直大模型的下肢动脉超声标准化检查系统及方法在说明书摘要公布了：本发明公开了基于AI垂直大模型的下肢动脉超声标准化检查系统及方法，包括如下步骤：S1、采集标准与错误图像，进行标注处理，构建图像数据集；S2、图像预处理，构建多模态训练样本集；S3、构建AI垂直大模型，融合图像与轨迹特征进行训练；S4、模型部署至前端检查装置，实时评分与增强现实引导，输出结构化报告；S5、报告与图像上传至云端质控平台，执行一致性分析与质量评估，触发专家复核；S6、基于质控反馈，本地更新AI模型参数，上传聚合节点统一整合，完成分布式协同优化。本发明旨在实现下肢动脉超声检查过程的智能引导、图像标准化采集与结构化诊断自动生成，提升检查质量与效率。

本发明授权基于AI垂直大模型的下肢动脉超声标准化检查系统及方法在权利要求书中公布了：1.一种基于AI垂直大模型的下肢动脉超声标准化检查系统，其特征在于，包括如下模块： 图像与操作数据采集模块，用于采集下肢动脉超声检查过程中的图像与操作数据； AI垂直大模型模块，用于执行图像特征提取、轨迹建模、质量评分、引导反馈与结构化诊断生成； 增强现实引导模块，用于在图像质量评分低于阈值时，通过增强现实设备生成可视化提示信息，引导操作者调整探头方向与角度； 结构化报告生成模块，用于根据AI垂直大模型的输出结果自动生成包含关键诊断要素的结构化检查报告； 云端质控分析模块，用于接收结构化报告与检查图像，执行一致性分析与质量评估，并输出质控反馈结果； 远程专家复核模块，用于在质控反馈中识别出疑难或异常情况后触发专家远程复核流程，并输出复核报告； 联邦学习更新模块，用于基于质控反馈结果对各终端中AI垂直大模型进行本地参数微调，并通过联邦聚合机制完成分布式模型优化； 所述下肢动脉超声标准化检查系统运行过程具体包括以下步骤： S1、采集包含标准图像和错误图像的下肢动脉超声图像数据，对下肢动脉超声图像数据进行标注处理，构建图像数据集； S2、对图像数据集进行预处理，采用U-Net网络提取血管边界和斑块结构的图像特征，基于Manus框架建模探头操作序列，构建多模态训练样本集； S3、构建包括感知层、决策层与输出层的AI垂直大模型，其中感知层基于ResNet-50网络提取图像特征，决策层利用长短期记忆网络建模探头轨迹并结合近端策略优化算法进行动作评分与纠错反馈，输出层生成结构化诊断结果，并利用多模态训练样本集进行训练； S4、将训练完成的AI垂直大模型集成至前端检查装置中，实时采集检查图像与操作数据输入AI垂直大模型进行质量评分与引导反馈，生成结构化报告； S5、将结构化报告与检查图像上传至云端质控平台，进行一致性分析与质量评估，输出质控反馈结果，云端质控平台识别疑难或异常情况时触发远程专家复核，完成审核并返回复核报告； S6、基于质控反馈结果，对AI垂直大模型进行本地参数更新，采用联邦学习机制完成分布式训练，并将更新结果上传至聚合节点，执行统一整合与优化，构建具备隐私保护能力的协同更新流程； S2具体包括： S21、对构建的图像数据集进行归一化处理，将各图像像素值统一映射至[0,1]区间，并对尺寸不一致的图像数据执行统一尺寸重采样，形成可输入网络的标准格式图像数据； S22、将标准格式图像数据输入U-Net网络，利用编码器部分提取低层与高层图像语义特征，解码器部分进行上采样与特征融合，输出包括血管边界、斑块轮廓、管腔结构在内的分割掩膜图像，并利用图像数据集中人工标注得到的标签掩膜进行交叉熵损失函数监督，构建图像特征集合记为，其中表示第幅图像数据中提取的特征向量，，n为图像数据集中图像数据的总数量； S23、同步记录操作者在图像采集过程中的探头操作信息，包括探头位置坐标序列、方向角度序列、与探头接触压力序列，其中，表示时间步，为第t个时间步探头在横轴方向的位置，为第t个时间步探头在纵轴方向的位置，为第t个时间步探头在垂直方向上的深度，为第t个时间步在水平旋转方向的角度，为第t个时间步在垂直倾斜方向的角度，为第t个时间步探头作用在皮肤表面的接触压力值； S24、将探头位置坐标序列、方向角度序列和探头接触压力序列输入Manus框架构建的时序建模模块，通过LSTM网络建模探头操作动态行为，提取时间相关性特征，输出探头轨迹特征向量； S25、将图像特征集合、探头轨迹特征向量及标注标签信息进行融合构建多模态训练样本集，每个样本表示为三元组； 所述S3具体包括： S31、构建AI垂直大模型，将其划分为感知层、决策层与输出层，分别用于图像特征提取、探头轨迹建模与结构化诊断生成； S32、将图像特征集合输入至感知层中的ResNet-50网络，提取深层语义特征，生成深层语义特征向量； S33、将探头轨迹特征向量输入至长短期记忆网络LSTM，提取时间依赖特征，生成时间依赖特征向量； S34、将深层语义特征向量与时间依赖特征向量进行拼接，形成融合向量，作为策略学习与诊断生成的输入表示； S35、定义任务分解型即时奖励函数； ； 其中，表示图像质量评分，表示探头路径与标准轨迹的一致性评分，表示操作者响应后的评分增益，、和为权重系数； S36、基于任务分解奖励构建结构感知优势函数； ； 其中，表示第t个时间步的结构感知优势函数估计值，为当前状态的状态值函数输出，为下一状态的状态值函数输出，所述状态值函数由一个神经网络建模，输入为融合向量，输出为对应状态的回报预估值，和分别表示状态和对应图像的结构清晰度评分函数值，为折扣因子，为优势平滑因子，表示第t+1个时间步的结构感知优势函数估计值； S37、构建状态感知剪切范围调节机制，根据评分波动与奖励变化联合调节剪切系数； ； 其中，为初始剪切范围，为评分波动因子，为奖励变化因子，为图像评分标准差，为前步奖励均值，为上一个时间步的即时奖励值； S38、基于结构感知优势函数和剪切系数，构建近端策略优化目标函数； ； 其中，为策略比值，表示对多个样本的统计期望计算，为求最小值操作，为对策略比值进行剪切操作； S39、将融合向量输入策略网络，输出策略分布，并从中采样动作，用于探头方向、角度与压力引导生成； S310、将融合向量同步输入至输出层中的多层感知机，输出结构化诊断结果，结果包含血管狭窄程度、斑块状态与血流速度信息； S311、构建联合训练损失函数； ； 其中，为结构化标签，CrossEntropy为分类损失，为损失平衡系数； S312、使用多模态训练样本集，通过反向传播与梯度下降联合优化参数集合，直至损失函数收敛，完成AI垂直大模型的训练过程； 所述S4具体包括： S41、将训练完成的AI垂直大模型加载并集成至前端检查装置，实时接收超声图像与操作输入； S42、在检查过程中，采集患者下肢动脉超声图像与探头操作数据，并同步输入至AI垂直大模型进行分析处理； S43、由AI垂直大模型对当前采集的图像质量进行自动评分，并根据评分结果判断当前探头操作是否符合标准图像获取要求； S44、若图像质量评分结果低于设定阈值，则触发图像质量不足提示，提示信息自动反馈至操作者界面，通过增强现实设备在检查界面中生成引导提示，向操作者显示探头调整方向、角度或压力的可视化信息； S45、在图像质量满足要求后，基于AI垂直大模型的输出，自动生成包含标准诊断要素的结构化报告。

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西安交通大学医学院第一附属医院，其通讯地址为：710061 陕西省西安市雁塔西路277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。