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背部图像的脊柱侧弯筛查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：CN116258897B 。

龙图腾网通过国家知识产权局官网在2025-12-09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：202310057156.2，技术领域涉及：G06V10/764；该发明授权一种基于背部图像的脊柱侧弯筛查方法是由郝子强;唐颖;葛微;王秀卓;韩登;詹伟达设计研发完成，并于2023-01-18向国家知识产权局提交的专利申请。

本一种基于背部图像的脊柱侧弯筛查方法在说明书摘要公布了：一种基于背部图像的脊柱侧弯筛查方法，属于医学图像分类技术领域，为了解决现有脊柱侧弯筛查方法准确率和效率较低的问题，该方法包括：构建网络模型；准备数据集：准备脊柱侧弯数据集一和脊柱侧弯数据集二；训练网络模型：将准备好的脊柱侧弯数据集一输入到构建好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：利用脊柱侧弯数据集二对模型进行微调，得到稳定可用的模型参数；保存模型：将最终确定的模型参数进行固化，之后需要进行脊柱侧弯筛查操作时，直接将图像输入到网络中即可得到最终的筛查结果。使脊柱侧弯筛查具有较高的准确率，筛查效率更高，更适合于大规模脊柱侧弯筛查。

本发明授权一种基于背部图像的脊柱侧弯筛查方法在权利要求书中公布了：1.一种基于背部图像的脊柱侧弯筛查方法，其特征是，该方法包括以下步骤： 步骤1，构建网络模型：整个网络包括卷积块一至卷积块十七共十七个卷积块、M池化、全连接和S型函数；卷积块一连接M池化，再依次连接卷积块二至卷积块十七，最后连接全连接和S型函数；其中每个卷积块由跳跃连接、卷积层、激活函数和批归一化层组成； 步骤2，准备数据集：准备脊柱侧弯数据集一和脊柱侧弯数据集二； 步骤3，训练网络模型：将步骤2中准备好的脊柱侧弯数据集一输入到步骤1中构建好的网络模型中进行训练； 步骤4，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预训练完成，保存模型参数；同时选择最优评估指标来衡量算法精度，评估系统的性能； 步骤5，微调模型：利用脊柱侧弯数据集二对模型进行微调，得到稳定可用的模型参数； 步骤6，保存模型：将最终确定的模型参数进行固化，之后需要进行脊柱侧弯筛查操作时，直接将图像输入到网络中即可得到最终的筛查结果；步骤1中所述十七个卷积块中卷积块一使用预瓶颈结构，卷积核大小为；卷积块二、卷积块三和卷积块四使用深度可分离卷积，卷积核大小统一为;卷积块八和卷积块十四使用注意力机制，卷积核大小统一为;卷积块十五、卷积块十六和卷积块十七使用扩张卷积，卷积核大小统一为;卷积块五、卷积块六、卷积块七、卷积块九、卷积块十、卷积块十一、卷积块十二和卷积块十三，卷积核大小统一为； 步骤1中所述卷积块一和M池化对输入图像进行下采样操作减小特征图大小，卷积块二、卷积块三和卷积块四减少网络中的参数，提高网络速度，卷积块五、卷积块六和卷积块七对图像进行特征提取，卷积块八使用注意力机制使网络更加关注图像的特征，卷积块九、卷积块十、卷积块十一、卷积块十二和卷积块十三对图像进行特征提取，卷积块十四使用注意力机制使网络更加关注图像的特征，卷积块十五、卷积块十六和卷积块十七增加感受野，同时保持参数数量不变，提取多尺度信息，全连接和S型函数对图像进行分类，得到最终的脊柱侧弯筛查结果。

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。