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！

龙图腾网获悉山东省公共卫生临床中心申请的专利一种基于DenseNet的耳内镜的图像识别方法及系统和存储介质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：CN120726451B 。

龙图腾网通过国家知识产权局官网在2026-01-30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：202510869857.5，技术领域涉及：G06V10/82；该发明授权一种基于DenseNet的耳内镜的图像识别方法及系统和存储介质是由于兆衍;张岩;马吉权;王洪泽设计研发完成，并于2025-06-26向国家知识产权局提交的专利申请。

本一种基于DenseNet的耳内镜的图像识别方法及系统和存储介质在说明书摘要公布了：本发明公开了一种基于DenseNet的耳内镜的图像识别方法及系统和存储介质，涉及医学图像处理技术领域，为解决现有的耳内窥镜图像识别模型往往存在识别精度有限、参数众多、需要计算资源巨大的问题。包括如下步骤：步骤一、采集耳内镜图像，对耳内镜图像进行预处理；步骤二、构建基于DenseNet的耳内镜图像识别模型，模型密集块中的密集层嵌入有SE模块，用于对特征图进行通道加权，并引入了Top‑k稀疏注意力模块，用于通过选择性关注图像中重要信息，以提高计算效率和模型性能；步骤三、采用耳内镜图像识别模型对耳内镜的图像进行识别，得到耳病检测结果。

本发明授权一种基于DenseNet的耳内镜的图像识别方法及系统和存储介质在权利要求书中公布了：1.一种基于DenseNet的耳内镜的图像识别方法，其特征在于，包括如下步骤： 步骤一、采集耳内镜图像，对耳内镜图像进行预处理； 步骤二、构建基于DenseNet的耳内镜图像识别模型，模型密集块中的密集层嵌入有SE模块，用于对特征图进行通道加权，并引入了Top-k稀疏注意力模块，用于通过选择性关注图像中重要信息，以提高计算效率和模型性能； 步骤三、采用耳内镜图像识别模型对耳内镜的图像进行识别，得到耳病检测结果； 所述基于DenseNet的耳内镜图像识别模型包括： Top_K稀疏注意力模块，用于对耳内镜图像进行卷积和矩阵运算，提取与耳病最相关的K个特征； 初始化卷积层，用于对耳内镜图像进行特征提取，并根据输入耳内镜图像尺寸选择卷积操作； 四阶段渐进式DenseBlock，四个DenseBlock中DenseLayer的数量分别为6、12、24和16，每个DenseLayer的通道数为32，则四个DenseBlock分别对应192、384、768和512个通道数；每个DenseLayer包括两个BN层、两个Relu层和两个Conv层，两个Conv层分别为1×1卷积和3×3卷积，且DenseLayer中集成有Dropout层，用于设置训练过程的Dropout率； 模型DenseBlock中的DenseLayer嵌入有SE模块，SE模块包含一个全局平均池化层和两个全连接层；全局平均池化层用于将每个通道的信息压缩成一个标量，提取全局信息，两个全连接层用于学习通道间的依赖关系，生成每个通道的注意力权重； 过渡层，包括一个BN层、一个Relu层、一个Conv层和一个平均池化层，用于进行特征压缩，模型包含3个过渡层，每个过渡层会将特征图数减半； 分类模块，包括全局平均池化层和全连接层，用于将过渡层输出的特征图进行全局平均池化，将全局平均池化后的特征压缩为一维的向量，然后通过全连接层将其映射到类别标签空间，得到最终的分类结果； 所述Top_K稀疏注意力模块的功能实现过程为： 针对输入的耳道疾病图像，通过1x1卷积和深度可分离卷积对输入特征进行通道上下文编码： 其中x∈RB×C×H×W；Q、K、V∈RB×C×H×W；其中B、C、H、W依次为批次、通道、高、宽，x是输入耳病图像序列的基础嵌入向量，R代表位置相关的旋转矩阵，Q、K和V分别为查询、键和值，DWConv为深度可分离卷积，Conv1×1为1x1卷积； 计算Q与K的注意力分数，屏蔽掉低注意力权重的不必要元素，自适应选择注意力得分最高的k个特征： 其中Qi为特征图第i行的查询，Kj为特征图第j列的键，d为向量维度，τ为温度参数； 再计算与V的相似度，经过1x1的卷积，再计算与初始图象的相似度输出特征结果。

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山东省公共卫生临床中心，其通讯地址为：250102 山东省济南市历城区港兴西路2999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。