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！

龙图腾网获悉山东大学申请的专利一种基于区域关注网络的胸腺疾病影像智能诊断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：CN120635041B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202510786056.2，技术领域涉及：G06T7/00；该发明授权一种基于区域关注网络的胸腺疾病影像智能诊断系统是由赵小刚;林贵梅;丁一;张艳坤;邱胜男;宋相庆;王文淼设计研发完成，并于2025-06-12向国家知识产权局提交的专利申请。

本一种基于区域关注网络的胸腺疾病影像智能诊断系统在说明书摘要公布了：本发明涉及一种基于区域关注网络的胸腺疾病影像智能诊断系统，属于影像分析与人工智能技术领域，系统包括CT影像预处理模块、异常组织检测与定位模块、异常组织分割模块、异常组织分类与胸腺瘤分期模块；CT影像预处理模块用于对CT影像进行去噪和增强；异常组织检测与定位模块使用区域关注网络和ViT对CT影像中的异常组织进行检测和定位，异常组织分割模块借助U‑Net++网络进行异常组织区域的自动分割，提取关键特征区域；异常组织分类与胸腺瘤分期模块用于通过ViT对异常组织区域进行特征提取，随后同时进行组织分类和分期任务。本系统能够更精确地捕捉胸腺疾病影像中的病灶区域特征，提升系统早期胸腺瘤的检测能力、降低误差。

本发明授权一种基于区域关注网络的胸腺疾病影像智能诊断系统在权利要求书中公布了：1.一种基于区域关注网络的胸腺疾病影像智能诊断系统，其特征在于，系统包括CT影像预处理模块、异常组织检测与定位模块、异常组织分割模块、异常组织分类与胸腺瘤分期模块； CT影像预处理模块用于对CT影像进行去噪和增强；异常组织检测与定位模块使用区域关注网络和ViT对CT影像中的异常组织进行检测和定位；异常组织分割模块借助U-Net++网络进行异常组织区域的自动分割，提取关键特征区域，输出异常组织区域；异常组织分类与胸腺瘤分期模块用于通过ViT对异常组织区域进行特征提取，随后同时进行组织分类和分期任务，异常组织分类与胸腺瘤分期模块执行以下步骤：1输入为异常组织区域、经过去噪和增强的CT影像；2过程为：使用ViT提取异常组织区域全局特征，随后同时进行异常组织分类和分期任务；3输出为异常组织区域分类结果和分期结果； 异常组织检测与定位模块执行以下步骤： 1输入为：经过去噪和增强的CT影像； 2过程：通过区域关注网络生成多个候选区域，筛选最优候选区域即异常组织区域； 3输出为：与异常区域检测与定位结果； 异常组织检测与定位模块的步骤2中，区域关注网络结构与损失函数如下所述： 2-1候选区域生成 使用区域关注网络从增强特征图中生成潜在的病灶区域，工作流程为： 2-1-1锚框生成 在增强后的影像上，使用滑动窗口的方式生成多个锚框；生成不同尺寸和长宽比的锚框； 每个锚框的坐标通过表示，其中是锚框的中心位置，和是锚框的宽度和高度； 2-1-2锚框特征提取 对于每个锚框，使用ViT提取对应位置的特征，公式为： 1 其中，是第个锚框在影像上对应位置的特征，为ViT模型； 2-1-3分类和回归任务 对于每个锚框，区域关注网络需要进行两个任务： a分类任务：判断每个锚框是否包含异常组织 使用激活函数进行二分类；假设第个锚框的类别输出为，则 2 其中，是分类层的权重，是偏置项，是激活函数；若，认为此锚框是候选区域之一，由此得候选区域； b回归任务：根据锚框与真实病灶区域的重合情况，进行边框回归，调整锚框的坐标； 每个锚框的回归输出是该锚框与真实边框的偏移量，用来调整锚框的坐标；为锚框中心点的偏移量，为锚框大小的偏移量，回归公式为： 3 其中，是回归层的权重，是偏置项，表示锚框的回归输出，为第个锚框在影像上对应位置的特征； 2-2候选区域筛选与定位 使用非极大值抑制算法筛选最优候选区域，同时确保候选区域之间的重叠度不高于设定的阈值，并返回最优候选区域即异常组织区域： 4 其中度量候选区域与最终异常组织区域之间的重叠程度；随后亦输出检测到的异常组织区域位置和大小； 2-3损失函数 5 为平滑系数，其中分类损失为： = 6 其中是第个锚框的真实标签，是分类任务输出的预测标签，为锚框数目； 回归损失用于衡量锚框的回归输出与真实边框之间的差异，表示为： 7 其中是第个锚框的真实边框偏移量，是预测的回归值。

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山东大学，其通讯地址为：250100 山东省济南市历城区山大南路27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。