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！

龙图腾网获悉宁波市医疗中心李惠利医院申请的专利基于DWI和FLAIR影像的缺血性脑卒中发病时间预测模型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：CN117095219B 。

龙图腾网通过国家知识产权局官网在2025-12-19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：202311069491.0，技术领域涉及：G06V10/764；该发明授权基于DWI和FLAIR影像的缺血性脑卒中发病时间预测模型是由王超超;董海波;辛宇;应俊杰设计研发完成，并于2023-08-24向国家知识产权局提交的专利申请。

本基于DWI和FLAIR影像的缺血性脑卒中发病时间预测模型在说明书摘要公布了：本发明公开了一种基于DWI和FLAIR影像的缺血性脑卒中发病时间预测模型，所述模型包括以下算法模块：1基于多层对抗学习的领域自适应算法模块；2KeySliceSelection算法模块；3PriorGuidedFeatureEnhancement算法模块；本发明针对域偏移问题采用基于多层对抗学习的领域自适应策略，通过跨域分割网络和域判别器的对抗学习，在输出空间上对齐源域和目标域的分布，以提高跨域分割网络的跨域和泛化能力。利用失配分割损失对Encoder卒中分辨能力进行强化训练，以提高对卒中病变区域特征的区分性。

本发明授权基于DWI和FLAIR影像的缺血性脑卒中发病时间预测模型在权利要求书中公布了：1.一种基于DWI和FLAIR影像的缺血性脑卒中发病时间预测模型，其特征在于，所述模型包括以下算法模块： 1基于多层对抗学习的领域自适应算法模块，该模块采用基于多层对抗学习的领域自适应算法，鼓励跨域分割网络骗过域判别器，并在目标域中生成与源域分布相似的分割结果，在输出空间上减少源域和目标域的分布差异以解决两个域之间的域偏移问题； 2KeySliceSelection算法模块，该模块在患者的一组MRI影像切片中筛选出包含丰富ROI特征的关键切片，减少CNN下采样带来的特征损失，为TSS分类提供可靠的判断依据；跨域分割网络G对目标域中一个患者的每张DWI图片It进行卒中分割，将分割结果Pt＝GIt二值化后当作ROI掩码； 3PriorGuidedFeatureEnhancement算法模块，该模块通过构建失配分割损失Lms，强化Encoder对卒中特征的判别能力，以解决卒中病变和其他组织特征混淆问题；根据DWI-FLAIR失配的先验知识，结合TSS分类标签可得知发病时间，构造先验失配伪标签PriorMismatchPseudoLabel；并将ROI区域内的分割损失作为失配分割损失，其公式如下： 其中，Pf＝GIf为跨域分割网络G对FLAIR影像If的分割结果，H、W分别为DWI影像的高和宽，Ym为先验失配伪标签； 4AttentionAugmentJointPredication算法模块，该模块利用LesionAttention细化ROI特征向量中卒中特征的表示，以提高TSS分类的性能；AttentionAugmentJointPredication算法模块分别提取关键FLAIR切片特征并池化成一组ROI特征向量V＝{Vi}，1≤i≤α；利用LesionAttention分别对ROI特征向量进行加权，细化ROI特征向量中卒中特征的表示；LesionAttention的值代表的是ROI特征向量包含卒中信息量的比例，其被定义为 其中，表示全连接层权重，L表示ROI特征向量的维度； 将LesionAttentionAl与ROI的特征向量依次相乘，增强ROI特征向量中卒中特征的表示，增强后的ROI特征向量被定义为： 最后将中的向量进行concat，并输入到全连接分类器中联合预测发病时间，使用TSS分类标签对其进行监督: 其中N为患者样本的数量，为全连接分类器的参数；Ycls是该患者缺血性脑卒中发病时间的标签。

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宁波市医疗中心李惠利医院，其通讯地址为：315041 浙江省宁波市鄞州区兴宁路57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。