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！

龙图腾网获悉重庆大学申请的专利融合小波特征的深度学习超声图像纹理诊断方法及系统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：CN116385417B 。

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：202310390104.7，技术领域涉及：G06T7/00；该发明授权融合小波特征的深度学习超声图像纹理诊断方法及系统是由何静媛;余夙曦;王翊设计研发完成，并于2023-04-13向国家知识产权局提交的专利申请。

本融合小波特征的深度学习超声图像纹理诊断方法及系统在说明书摘要公布了：本发明公开了一种融合小波特征的深度学习超声图像纹理诊断方法及系统，该方法对原始超声图像的感兴趣区域进行预处理；将卷积神经网络作为主干网络，使可学习的小波分支与主干网络并联，得到深度学习超声图像纹理诊断模型；将预处理后的超声图像输入深度学习超声图像纹理诊断模型，训练深度学习超声图像纹理诊断模型；获取待处理的超声图像并预处理后，输入训练后的深度学习超声图像纹理诊断模型，得到诊断结果。采用本技术方案，利用深度学习超声图像纹理诊断模型学习低频与高频、空间域与频域的信息，以可解释的方式实现高精度诊断。

本发明授权融合小波特征的深度学习超声图像纹理诊断方法及系统在权利要求书中公布了：1.一种融合小波特征的深度学习超声图像纹理诊断方法，其特征在于，包括如下步骤： 采集原始超声图像的感兴趣区域并进行预处理； 将卷积神经网络作为主干网络，使可学习的小波分支与主干网络并联，得到深度学习超声图像纹理诊断模型； 将预处理后的超声图像输入深度学习超声图像纹理诊断模型，训练深度学习超声图像纹理诊断模型； 获取待处理的超声图像并预处理后，输入训练后的深度学习超声图像纹理诊断模型，得到诊断结果； 将所述可学习的小波分支以并联的方式连接到主干网络中，小波分支包括多个小波模块，第一个小波模块的输入端与卷积神经网络特定卷积层的输出端连接，后一个小波模块的输入端与前一个小波模块近似系数的输出端连接；最后一个小波模块的输出端与之前所有小波模块的细节系数输出端通过拼接模块与平均池化层的输出端连接，拼接结果输入到全连接层中进行纹理二分类，得到诊断结果； 所述预处理后的超声图像自卷积神经网络的输入层输入，再经由若干卷积层，得到判别性表示，将判别性表示分别输入到可学习的小波分支以及主干网络后续部分； 所述小波分支中的一个小波模块包含一个水平LifgintScheme模块、两个垂直LifgintScheme模块，每个LiftingScheme模块内采用可学习的高通滤波器、低通滤波器实现信号的分割，同时采用反向传播网络实现可学习的更新器U和预测器P，将通道数为C、高度为H、宽度为W的超声图像判别性表示输入水平LifgintScheme模块的高通滤波器和低通滤波器； 所述高通滤波器的输出特征经更新器U与低通滤波器的输出特征进行加法操作，得到大小为C×H×W2的低频分量L并输入第一个垂直LiftingScheme模块，得到大小为C×H2×W2的LH和LL； 使L经过预测器P后与高通滤波器的输出特征进行减法操作，输出C×H×W2的高频分量H并输入第二个垂直LiftingScheme模块，得到大小为C×H2×W2的HH和HL； 其中，LL即小波变换的近似值c，其余3个分量是细节系数d，分别表示不同方向的边缘特征； 将上一个小波模块输出的LL作为下一个小波模块的输入，各小波模块组成的模块群即小波分支，该分支的输出为fWT。

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重庆大学，其通讯地址为：400030 重庆市沙坪坝区沙正街174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。