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！

龙图腾网获悉河海大学常州校区申请的专利一种基于图神经网络融合全局特征的脊椎骨骨折判别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：CN115797741B 。

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：202211597408.2，技术领域涉及：G06V10/80；该发明授权一种基于图神经网络融合全局特征的脊椎骨骨折判别方法是由何坤金;徐玮;郝博;费雨珊;蒋俊锋;陈正鸣设计研发完成，并于2022-12-12向国家知识产权局提交的专利申请。

本一种基于图神经网络融合全局特征的脊椎骨骨折判别方法在说明书摘要公布了：本发明公开了一种基于图神经网络融合全局特征的脊椎骨骨折判别方法，其特征在于，包括如下步骤：步骤一：椎骨CT影像数据的获取；椎骨CT影像数据中包括目标脊椎与全部椎骨,而预处理这里是指数据增强处理；步骤二：局部图的构建与全局图的构建；对步骤一处理完的数据，构建局部和全局图；步骤三：分别提取全局特征与局部特征；从步骤二获得的局部和全局脊椎图结构数据中提取节点特征与图特征；步骤四：融合全局特征与局部特征，对疑似骨折节点进行预测。本发明不仅能对疑似骨折的椎骨进行自动判别，同时由于其对病灶节点关系进行了建模以及融合了全局特征，对于多发性脊椎骨骨折的判别具有重要意义。

本发明授权一种基于图神经网络融合全局特征的脊椎骨骨折判别方法在权利要求书中公布了：1.一种基于图神经网络融合全局特征的脊椎骨骨折判别方法，其特征在于，包括如下步骤：步骤一：CT影像数据的获取及预处理；椎骨CT影像数据的获取包括目标受损部分脊椎与至少一整部分对应脊椎骨或者整个脊柱骨；预处理是指数据增强处理，即对于初始样本数相对较少的训练集，通过随机执行下一个或多个操作来达到扩充样本数据集的目的；步骤二：局部图的构建与全局图的构建；对步骤一处理完的数据，分布构建局部图与全局图；局部图：局部图定义为一个混合图，由原脊柱的部分相邻节点和病灶节点两部分组成，病灶节点包括疑似病灶节点；边也有两部分组成，原脊椎骨的节点之间使用无向边进行连接，而病灶节点之间采用有向边进行连接，原脊椎骨的节点与病灶节点之间使用节点到病灶节点方向的有向边进行连接；全局图：全局图由原脊椎类别的全部节点组成；步骤三：分别提取全局特征与局部特征；从步骤二获得的局部和全局脊椎图结构数据中提取节点特征与图特征，分为两部分：一是通过图神经网络对局部节点进行特征提取，通过局部注意力图神经网络模块对局部图特征提取；步骤3a.将局部图结构信息矩阵，输入到局部图神经网络模块，得到局部图每个节点的特征；步骤3b.将局部图每个节点的特征作为输入，通过局部注意力图神经网络模块，得到局部图的图特征；二是通过图神经网络对全局节点进行特征提取，通过全局注意力图神经网络模块对Top-k全局图特征提取；步骤3c.将全局图结构信息矩阵，输入到全局图神经网络模块，得到全局图每个节点的特征；步骤3d.将全局图每个节点的特征作为输入，通过全局注意力图神经网络模块，得到Top-k个节点构成的图结构特征；所述步骤3a与3c中，局部图节点与全局图节点特征提取模块使用GRU网络进行特征提取；所述步骤3d中，全局图注意力模块将脊柱的全局特征替代每一个脊椎骨，生成序列矩阵，然后基于脊柱序列矩阵，获取与当前最相似的Top-k个序列，并将它们输入到全局注意力模块来生成最终的全局特征；步骤四：融合全局特征与局部特征，对疑似节点进行预测；对步骤三提取的局部特征和全局特征，通过特征融合模块和相关性预测模块得到疑似节点是病灶节点的概率。

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河海大学常州校区，其通讯地址为：213022 江苏省常州市新北区晋陵北路200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。