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！

龙图腾网获悉四川省肿瘤医院申请的专利基于AI影像识别的胃窦癌伴幽门梗阻术前精准评估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：CN120809245B 。

龙图腾网通过国家知识产权局官网在2025-12-23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：202511304202.X，技术领域涉及：G16H50/30；该发明授权基于AI影像识别的胃窦癌伴幽门梗阻术前精准评估系统是由刘文炼;肖硕萌;邱清宇;罗东东;周华丽;邱礼平;邱蕾设计研发完成，并于2025-09-12向国家知识产权局提交的专利申请。

本基于AI影像识别的胃窦癌伴幽门梗阻术前精准评估系统在说明书摘要公布了：本发明涉及智慧医疗与人工智能领域，公开基于AI影像识别的胃窦癌伴幽门梗阻术前精准评估系统，包括：数据获取与预处理模块，获取患者的结构化临床数据和多模态影像数据并进行预处理；病灶识别与分割模块，采用改进的nnU‑Net框架对预处理后的影像数据进行病灶识别与分割处理；特征提取与筛选模块，从分割结果中提取影像特征并筛选出与临床指标相关的特征；多模态特征融合模块，将筛选后的影像特征与经过预处理后的结构化临床数据进行特征融合；多任务风险评估模块，采用半结构化分布回归方法建立多参数风险预测模型，输出多任务预测结果；评估报告生成模块，生成结构化评估报告。实现对胃窦癌患者的智能化精准化术前评估和术后风险预测。

本发明授权基于AI影像识别的胃窦癌伴幽门梗阻术前精准评估系统在权利要求书中公布了：1.一种基于AI影像识别的胃窦癌伴幽门梗阻术前精准评估系统，其特征在于，包括： 数据获取与预处理模块，用于获取患者的结构化临床数据和多模态影像数据并进行数据预处理； 病灶识别与分割模块，采用改进的nnU-Net框架对预处理后的多模态影像数据进行病灶识别与分割处理，输出包括肿瘤主体、幽门梗阻区域、区域淋巴结和邻近关键结构的像素级分割结果； 其中，采用的改进nnU-Net框架包括：在编码器-解码器结构中引入注意力门控单元和多尺度特征金字塔结构；基于Dice损失、加权交叉熵损失和边界损失函数构建复合损失函数进行优化；编码器采用5层下采样，每层通道数分别为32、64、128、256、512；解码器采用4层上采样，每层通道数分别为256、128、64、32；在编码器与解码器的跳连接处嵌入注意力门控单元，聚焦于病灶区域的自动学习，并且抑制无关背景信息；在解码器末端添加多尺度特征金字塔结构，融合不同尺度的特征图； 采用复合损失函数： 其中，为Dice损失，用于衡量预测区域和真实区域的重叠程度；为加权交叉熵损失，用于衡量类别预测的不确定性；为边界损失函数，采用基于边界点集的Hausdorff距离的平滑近似，其定义为预测边界与真实边界之间的距离测度；α,β,γ分别为对应损失项的权重系数； 特征提取与筛选模块，用于从所述分割结果中提取影像特征并通过基于临床相关性驱动的两阶段特征选择方法从所述影像特征中筛选出与临床指标相关的特征，输出筛选后的影像特征向量；其中，影像特征包括形态学特征、深度特征和影像组学特征； 多模态特征融合模块，用于将所述筛选后的影像特征与经过预处理后的所述结构化临床数据进行特征融合，生成多模态融合特征向量； 多任务风险评估模块，用于采用半结构化分布回归方法对所述多模态融合特征向量进行建模，建立多参数风险预测模型，输出多任务预测结果； 其中，所述多任务风险评估模块针对输入的多模态融合特征向量，采用半结构化分布回归方法对多个目标临床指标的条件分布进行建模，每个分布参数表达为结构化加性预测器形式： 其中，表示目标变量条件分布的第k个参数，为链接函数，为第k个分布参数的预测器映射表达式，为第j个特征效应函数，v为患者的多模态融合特征； 评估报告生成模块，用于根据所述分割结果和所述多任务预测结果生成结构化评估报告。

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四川省肿瘤医院，其通讯地址为：610041 四川省成都市武侯区人民南路四段55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。