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！

龙图腾网获悉东南大学申请的专利一种基于自适应频域学习和抗混叠复数卷积的临床图像病变分类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：CN116309542B 。

龙图腾网通过国家知识产权局官网在2026-02-13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：202310461686.3，技术领域涉及：G06T7/00；该发明授权一种基于自适应频域学习和抗混叠复数卷积的临床图像病变分类方法是由周光泉;王凯妮设计研发完成，并于2023-04-26向国家知识产权局提交的专利申请。

本一种基于自适应频域学习和抗混叠复数卷积的临床图像病变分类方法在说明书摘要公布了：本发明公开了一种基于自适应频域学习和抗混叠复数卷积的临床图像病变分类方法，包括：对原始临床影像进行预处理和归一化处理，得到时域图像；通过位置一致性模块将时域图像转换成频域图像，生成能够保留局部和位置信息的频谱；通过构建好的高频自编码器模块对生成的频谱进行掩蔽和监督得到自编码频谱；将自编码频谱输入到抗混叠复数卷积模型进行训练，以学习图像中不同临床病变的特异性特征；将抗混叠复数卷积模型学习到的特异性特征进行整合分类，得到临床图像病变分类结果。本发明方法在保留临床图像时域特征的基础上，更好地利用图像的频域信息，解决了病变分类中亮度不均衡和类间混淆的问题，从而极大地提高了自动分类的准确率。

本发明授权一种基于自适应频域学习和抗混叠复数卷积的临床图像病变分类方法在权利要求书中公布了：1.一种基于自适应频域学习和抗混叠复数卷积的临床图像病变分类方法，其特征在于，包括如下步骤： S1：对原始临床影像进行预处理和归一化处理，得到时域图像； S2：通过构建好的位置一致性模块将步骤S1得到的时域图像转换成频域图像，生成能够保留局部和位置信息的频谱； S3：通过构建好的高频自编码器模块对步骤S2生成的频谱进行掩蔽和监督，得到自编码频谱； S4：将步骤S3得到的自编码频谱输入到构建好的抗混叠复数卷积模型进行训练，以学习图像中不同临床病变的特异性特征； S5：将步骤S4中抗混叠复数卷积模型学习到的特异性特征进行整合分类，得到临床图像病变分类结果； 步骤S2具体为： B1：对图像切块，按照K×K大小对整幅图像切块； B2：对步骤B1中得到的每个图像块进行傅里叶变换，得到频谱块，具体公式如下： 其中，M,N分别表示图像块的宽和高，Fmx，y表示第m个图像块，Fmx，y表示得到的频谱块； B3：对步骤B2得到的单幅图像中所有频谱块进行随机打乱操作； B4：对打乱后的频谱块进行空间拼接，得到单幅图像的频谱图F，公式如下： Fj＝ConcatFij,1≤i≤K,F＝ConcatFj,1≤j≤K； 步骤S3具体为： C1：保留每幅图像每个频谱块的低频区域；对于每个频谱块，中间的低频区域占频谱块的百分之十； C2：对于步骤C1中除低频以外的区域，视为高频区域，按照比例随机掩蔽，得到最终掩蔽后的频谱图； 步骤S4的抗混叠复数卷积模型中嵌入滤波器，特异性特征的获取过程为： D1：将步骤S3得到的复数频谱拆分成实部和虚部； D2：将实部和虚部同时输入到复数卷积模型进行训练； D3：对于每个复数卷积块得到的特征，进行低通滤波，得到抗混叠后的特征图； D4：经过五个抗混叠复数卷积块得到最终特征。

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东南大学，其通讯地址为：211102 江苏省南京市江宁区东南大学路2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。