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！

龙图腾网获悉温州医科大学;瓯江实验室申请的专利基于临床特征的模型训练方法和图像处理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：CN120823461B 。

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：202511316436.6，技术领域涉及：G06V10/774；该发明授权基于临床特征的模型训练方法和图像处理方法是由高和蓓;王媛媛;朱绅聚;沈梅晓;吕帆设计研发完成，并于2025-09-16向国家知识产权局提交的专利申请。

本基于临床特征的模型训练方法和图像处理方法在说明书摘要公布了：本申请提供基于临床特征的模型训练方法和图像处理方法，其中，模型训练方法包括：构造多个训练集；每个训练集对应不同类型的眼科图像，每个训练集至少包括第一类样本，第一类样本的输入数据包括，对眼科图像进行预处理得到的第一图像，第一类样本的标签数据包括，利用图像分割技术对第一图像中多个目标结构进行分割得到的标签图像；利用多个训练集，对深度学习网络模型进行训练，得到目标模型；深度学习网络模型的损失函数包括目标临床特征的损失分量，目标临床特征包括单个目标结构的厚度，以及多个目标结构的整体曲率。由此，可以得到能够准确分割各类眼科图像的目标模型，从而实现更高精度的图像分割效果。

本发明授权基于临床特征的模型训练方法和图像处理方法在权利要求书中公布了：1.一种基于临床特征的模型训练方法，其特征在于，所述方法包括： 构造多个训练集；每个训练集对应不同类型的眼科图像，每个训练集至少包括第一类样本，所述第一类样本的输入数据包括，对所述眼科图像进行预处理得到的第一图像，所述第一类样本的标签数据包括，利用图像分割技术对所述第一图像中多个目标结构进行分割得到的标签图像，所述标签图像包括每个目标结构的分层表示；所述多个目标结构包括脉络膜层和不同类型的视网膜层；所述不同类型的视网膜层包括视网膜神经纤维层、神经节细胞层、内核层、外丛状层、外段、前部视网膜层、中带、视网膜色素上皮层；所述不同类型的眼科图像包括正常人群，高度近视患者和阿尔茨海默病患者的眼科图像; 利用所述多个训练集，对深度学习网络模型进行训练，得到目标模型；所述深度学习网络模型的损失函数包括目标临床特征的损失分量，所述目标临床特征的特征值基于所述分层表示计算得到，所述目标临床特征包括单个目标结构的厚度，以及多个目标结构的整体曲率；所述深度学习网络模型为UNet模型； 所述损失函数包括单个目标结构的厚度损失，以及多个目标结构的整体曲率损失； 所述损失函数用公式表示为： ， 其中，为所述损失函数，为所述第一图像中任一像素的交叉熵损失，为所述单个目标结构的厚度损失，为所述整体曲率损失，为每个目标结构的厚度损失之和的超参数，为所述整体曲率损失的超参数；所述整体曲率损失用公式表示为： ， 其中，为基于计算得到的所述整体曲率，为基于计算得到的所述整体曲率，为所述深度学习网络模型针对所述第一图像输出的预测图像，为所述标签图像，M是或的边缘拟合函数在x轴上有效点的数量； 所述单个目标结构的厚度损失用公式表示为： 其中，为第m个目标结构的厚度损失，为所述深度学习网络模型针对所述第一图像输出的预测图像中第m个目标结构的分层表示，为所述标签图像中第m个目标结构的分层表示，1≤m≤N，m∈Z，N为多个目标结构的数量； 为基于计算得到的第m个目标结构的厚度，为基于计算得到的第m个目标结构的厚度，x,y为所述第一图像中任一像素的坐标，为所述任一像素被分割到中的概率，为所述任一像素被分割到中的概率，和的取值为0或1，且只有一个或为1,为常数。

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温州医科大学;瓯江实验室，其通讯地址为：325000 浙江省温州市鹿城区学院西路82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。