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！

龙图腾网获悉大连市中心医院;大连理工大学申请的专利一种基于深度神经网络的X光影像分割与分类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：CN114187301B 。

龙图腾网通过国家知识产权局官网在2026-03-06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：202111336146.X，技术领域涉及：G06T7/11；该发明授权一种基于深度神经网络的X光影像分割与分类预测模型是由袁宏;赵亮;马佳骏;赵婧媛;李达设计研发完成，并于2021-11-12向国家知识产权局提交的专利申请。

本一种基于深度神经网络的X光影像分割与分类预测模型在说明书摘要公布了：本发明属于计算机技术领域，提出了一种基于深度神经网络的X光影像分割与分类预测模型。首先，对X光影像进行预处理；针对预处理后的图片，构建基于注意力机制的U‑Net图像分割模型，得到影像中包含的待检测病变区域；通过构建Inception‑ResNetv2卷积神经网络提取上述影像区域特征，预测X光片中对应组织器官发生变化的概率；将得到的预测概率和实际的结果进行对比，利用对比结果对模型中相关参数进行迭代更新，直至模型趋于收敛。本发明构建了一种行之有效的方法来利用深度神经网络完成器官变化预测，通过大量实验验证，本发明所达到的预测精度和速度优于现阶段的相关模型。

本发明授权一种基于深度神经网络的X光影像分割与分类预测模型在权利要求书中公布了：1.一种基于深度神经网络的X光影像分割与分类预测方法，其特征在于，步骤如下： 步骤一，对X光影像进行预处理，包括数据归一化、加噪、随机旋转和上采样； 步骤二，构建基于注意力机制的U-Net影像分割模型； 基于注意力机制的U-Net影像分割模型，实现消除噪声实体在X光影像上的成像，完成X光影像分割，得到X光影像中对应的目标实体掩膜图像；目标实体掩膜图像和原X光影像大小相同，且图像中每一位置数值为0或1,0代表舍弃原X光影像对应位置信息，1代表保留；将目标实体掩膜图像与原X光影像对应位置相乘，得到只包含有目标实体的X光影像； U-Net神经网络使用跳跃连接方式将高层卷积特征层和低层卷积特征层进行拼接融合；加入注意力机制，其学习过程如下： 1； 2； 其中，表示像素构成的特征图，在注意力机制的学习过程中作为门信号，用于对低层卷积层得到的特征图进行过滤；表示针对于门信号的卷积运算，表示矩阵的转置；表示针对于门信号进行卷积得到的结果，用来调整特征图的数目；表示卷积层输出的像素构成的特征图，表示针对于特征图的卷积运算；表示针对于卷积层输出的像素构成的特征图进行卷积得到的结果，用来调整特征图的数目；为偏置项，表示ReLU激活函数；表示的卷积操作，用于拟合不同通道特征图之间的相互影响；为偏置项，矩阵为在注意力机制下针对于卷积层的输出；为Sigmoid函数；；其中表示在整个注意力机制实现过程中的参数矩阵；为卷积层输出的像素所构成的特征图中各个位置的注意力分配矩阵，矩阵值范围于0至1之间； 高层卷积特征层得到的特征图为门信号，对低层卷积特征层进行过滤，再通过跳跃连接的方式进行拼接； 步骤三，构建基于Inception-ResNetv2神经网络的影像分类预测模型； Inception-ResNetv2神经网络主要由Stem模块、5个连续的Inception-ResNet-A模块、Reduction-A模块、10个连续的Inception-ResNet-B模块、Reduction-B模块、5个连续的Inception-ResNet-C模块、平均池化层、随机中断层和Sigmoid激活函数全连接层依次组成； Stem模块包含连续的卷积和最大池化下采样操作，用于对只包含有目标实体的X光影像进行初步特征提取； 三类Inception-ResNet模块，即Inception-ResNet-A模块、Inception-ResNet-B模块和Inception-ResNet-C模块均包含Inception结构和ResNet模型；利用Inception结构的并行多尺度卷积方式，综合影像的整体特征和局部特征；采用ResNet模型中的残差连接方式，缓解神经网络在训练过程中出现的梯度弥散现象；三类Inception-ResNet模块中首先对进入该模块的特征图进行ReLU函数激活，然后并行进入多个特征提取支路以及一条短路支路，特征提取支路采取不同的卷积方式进一步提取特征，接着通过卷积操作调整维度至与短路支路的特征图通道数一致，最后在通道方向进行加和并再一次进行ReLU函数激活，作为模型下一个结构的输入； 两类Reduction模块，即Reduction-A模块和Reduction-B模块包含Inception结构，多条并行的支路分别使用最大池化和卷积两种方式进行下采样，用于减小输入该模块特征图的尺寸，支路的输出端于通道方向进行拼接，作为模型下一个结构的输入； 平均池化层用于降低特征图尺寸； 随机中断层用于防止过拟合； Sigmoid激活函数将任一实数映射到0到1之间，其数值解释为分类预测概率； 步骤四，训练步骤二和步骤三中的模型；训练过程分为两个阶段；第一个阶段单独训练影像分割模型至其收敛；第二个阶段利用训练好的影像分割模型对步骤三的影像分类预测模型进行训练直至二者均达到收敛；利用得到的影像分割模型和影像分类预测模型进行预测。

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大连市中心医院;大连理工大学，其通讯地址为：116033 辽宁省大连市沙河口区西南路826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。