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！

龙图腾网获悉安徽大学申请的专利基于深度学习的腕关节骨质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：CN121305181B 。

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：202511452050.8，技术领域涉及：G06V10/764；该发明授权基于深度学习的腕关节骨质分类方法是由任璐;刘昆鹏;储建军;柳文章;黄伟设计研发完成，并于2025-10-11向国家知识产权局提交的专利申请。

本基于深度学习的腕关节骨质分类方法在说明书摘要公布了：本发明涉及深度学习技术领域，解决了现有深度学习方法在处理医学图像时，往往忽略数据预处理的精细化与训练策略的普适性，导致模型泛化能力受限的技术问题，尤其涉及一种基于深度学习的腕关节骨质分类方法，首先对医学图像执行标准化预处理流程，其次引入两阶段分层数据增强机制以大幅提升模型性能。接着选择并微调了基于ImageNet预训练的VGG16_bn模型作为核心特征提取器，并在模型训练过程中引入FocalLoss损失函数，使其能够精准捕捉医学图像中骨质疏松的关键特征。最终，在骨质疏松图像分类任务的验证中，在对腕关节的分类中展现出高达98%的准确率，彰显了其卓越的性能及在临床诊断中的广阔应用前景。

本发明授权基于深度学习的腕关节骨质分类方法在权利要求书中公布了：1.一种基于深度学习的腕关节骨质分类方法，其特征在于，该方法包括以下步骤： 对原始DICOM格式的医学图像进行标准化处理，并对标准化处理后的医学图像实施两阶段数据增强操作，以构建依据腕关节骨质类别划分为训练集和验证集的医学图像数据集，所述两阶段数据增强包括： 第一阶段，进行融合自适应的局部对比度增强、边缘特征强化及伪彩色渲染的统一预设增强； 第二阶段，在VGG16_bn模型训练的每个Epoch中动态注入随机水平和垂直翻转、在[-20°,+20°]范围内的随机旋转以及随机裁剪与缩放的实时随机数据增强操作； 加载在ImageNet大规模数据集上预训练的VGG16_bn模型作为骨干网络，并采用训练集对VGG16_bn模型进行训练并优化，获得用以对医学图像中腕关节骨质进行智能分类的分类模型； 采用验证集对分类模型的模型性能进行验证与评估得出分类模型的分类准确率，以量化分类模型在腕关节骨质分类中的有效性与潜力； 构建所述医学图像数据集包括： 首先，依据图像类别对已标准化处理后的医学图像数据集进行划分，设定训练集与验证集的比例为85%：15%，并确保各图像类别在训练集和验证集中均保持均衡分布； 其次，对已划分的医学图像数据集实施第一阶段的统一预设增强，用以从全局层面丰富图像特征，弥补图像采集过程中的光照不均和低对比度问题； 最后，在VGG16_bn模型训练的每个Epoch中，对训练集中的医学图像动态地施加第二阶段的实时随机数据增强； 所述VGG16_bn模型的训练与优化，包括： 模型初始化与输入适配：加载在ImageNet大规模数据集上预训练的VGG16_bn模型作为深度特征提取的骨干网络，同时，将经过两阶段数据增强的医学图像统一调整为VGG16_bn模型所需的标准输入尺寸为224×224； 微调训练与损失函数优化：使用训练集对VGG16_bn模型进行微调训练，并在训练过程中，引入用以评估模型输出与真实标签之间差异的FocalLoss损失函数，并使用SGD优化器动态调整网络权重； VGG16_bn模型通过神经网络的前向推理预测各类别的概率，并通过反向传播机制持续优化网络参数。

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安徽大学，其通讯地址为：230601 安徽省合肥市经济技术开发区九龙路111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。