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！

龙图腾网获悉烟台毓璜顶医院(青岛大学附属烟台毓璜顶医院)申请的专利一种基于深度学习的乳腺CEM图像病灶识别系统及设备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：CN116993703B 。

龙图腾网通过国家知识产权局官网在2026-04-28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：202311006439.0，技术领域涉及：G06T7/00；该发明授权一种基于深度学习的乳腺CEM图像病灶识别系统及设备是由毛宁;陈玉倩;张海程;华臻;周恒;林凡;郑甜甜;谢海柱;马恒;王琪设计研发完成，并于2023-08-11向国家知识产权局提交的专利申请。

本一种基于深度学习的乳腺CEM图像病灶识别系统及设备在说明书摘要公布了：本发明公开一种基于深度学习的乳腺CEM图像病灶识别系统及设备，涉及医学影像处理领域。通过获取原始CEM图像的低能图和减影图并进行预处理，标注出图像乳腺区域中的病灶，分别用两个ResNet50网络提取低能图和减影图的初步提取特征；进行双模态辅助特征融合并得到多尺度金字塔特征层；每一个金字塔特征层后都连接一个带有注意力机制的检测头对乳腺病灶进行最终的定位和分类。本发明基于深度学习方法，实现了基于多模态的CEM图像对乳腺病灶的快速检测定位和分类，提升了乳腺病灶识别效率和精度。

本发明授权一种基于深度学习的乳腺CEM图像病灶识别系统及设备在权利要求书中公布了：1.一种基于深度学习的乳腺CEM图像病灶识别系统，其特征在于，包括： 图像收集及预处理模块，用于获取CEM图像并进行图像预处理，得到预处理后的样本图像；所述CEM图像包括双侧乳腺头尾位和内外斜位的低能图及减影图；所述预处理后的样本图像包括预处理后的低能图和减影图； 在获取的CEM图像中标注出病灶感兴趣区域以生成病灶的位置标签，同时将标注的病灶标注良恶性以作为分类标签；对带有标签的CEM图像进行二值化处理，得到二值化图像；从二值化图像中裁剪出包含乳腺前景区域的最小外接矩形区域并缩放至统一大小，得到缩放后图像；对缩放后图像进行归一化处理，得到归一化图像；将三张相同的单通道归一化图像叠加在一起，得到预处理后的样本图像； 初步特征提取模块，用于将预处理后的低能图和减影图分别输入到两个相同的ResNet50深度学习分支网络中进行初步特征提取，得到不同尺度的初步提取特征； 将预处理后的低能图和减影图分别输入到两个相同的ResNet50深度学习分支网络中，首先经过3×3卷积层和最大池化层得到256×256大小的特征图，然后又经过三个结构相同的残差模块分别得到特征尺寸为128×128、64×64以及32×32大小的特征图，共同构成四种不同尺度的初步提取特征； 多模态特征融合模块，用于利用多模态特征融合网络对不同尺度的初步提取特征进行特征融合，得到不同尺度的双模态融合特征； 针对特征尺寸为128×128、64×64以及32×32大小的特征图，将同一尺度的低能图和减影图对应的特征图先分别经过相同的双卷积注意力机制得到双卷积注意力特征；随后将减影图的双卷积注意力特征通过的方式进行特征取反得到其反向特征；然后将减影图的反向特征与低能图的双卷积注意力特征进行逐元素相乘的运算，得到新的合成辅助特征；最后将原始减影图对应的特征图同合成辅助特征进行逐元素相加，得到不同尺度的双模态融合特征； 双卷积注意力机制的特征处理过程：该机制通过自适应地集成局部特征及其全局依赖性，基于自我约束机制捕获丰富的上下文依赖关系；每一层的低能图和减影图特征在融合之前，先通过双卷积注意力操作，在空间和通道的双重维度上叠加卷积注意力思想，通过给定一个中间特征图，分别沿着两个独立的维度，即通道和空间依次推断注意力图，然后将注意力图与输入特征图相乘再进行另一种注意力操作，最后通过相加将特征做进一步整合，得到了最终的双卷积注意力特征； 双卷积注意力机制中通道注意力操作的特征处理过程：首先对输入特征图分别做两次reshape，分别得到特征图1和2，然后又对输入特征图reshape到和它们相同的尺度和通道后又做了转置得到特征图3，接着将特征图3和其中一条支路上reshape后的特征图2相乘然后通过softmax函数，将得到的特征向量与特征1做乘积再乘以尺度系数B，再reshape为原来形状，最后同输入特征进行逐元素相加的运算，得到最终赋予了通道注意力权重的特征，即通道注意力特征；其中B初始化为0，并逐渐的学习分配到更大的权重； 双卷积注意力机制中空间注意力操作的特征处理过程：输入特征图首先分别经过了3个卷积层得到3个特征图A、B、C，然后做相同的reshape，之后将reshape后的C的转置与reshape后的B相乘再通过softmax，然后将得到的特征向量和reshape后的特征图A做相乘运算，乘以尺度系数再reshape为原形状，最后与输入特征向量相加得到最终的输出特征，该特征每个位置的值是原始特征每个位置的加权求和得到的；其中尺度系数初始化为0，随着逐渐的学习会逐渐变更权重； 多尺度金字塔特征融合模块，用于将不同尺度的双模态融合特征输入多尺度金字塔特征融合网络，融合得到多尺度金字塔特征层； 将不同尺度的双模态融合特征通过邻近的插值2倍上采样算法自顶向下生成和下一级融合特征大小相同的特征图，接着通过横向进行相加融合操作，在融合之后再采用的卷积核对每个融合结果进行卷积消除上采样的混叠效应，最后得到自顶向下为32×32、64×64以及128×128大小的多尺度金字塔特征； 检测头病灶识别模块，用于将多尺度金字塔特征层输入对应检测头，输出乳腺病灶识别结果；所述检测头包括回归子网络和分类子网络；所述乳腺病灶识别结果包括病灶位置和类别； 将多尺度金字塔特征输入对应的回归子网络，输出病灶位置；将多尺度金字塔特征输入对应的分类子网络，输出病灶类别； 在回归子网络里，首先将输入的金字塔特征通过空间注意力机制给所有特征赋予不同的空间注意力权重，然后经过四个卷积层，最终再通过一个卷积进行特征预测，输出通道的特征，其中k为anchor个数，最终输出的个特征向量为检测框位置信息与置信分数； 在确定最终检测框时，每一个anchor与事先标注好的真实位置坐标标签GTBox进行比对，通过公式计算它们之间的IoU值，如果IoU大于0.5，则视为正样本，小于0.5则为负样本，最后从剩下的正样本anchor中选择置信分数最高的作为最终检测框，即识别出了病灶位置和病灶类别。

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烟台毓璜顶医院(青岛大学附属烟台毓璜顶医院)，其通讯地址为：264000 山东省烟台市芝罘区毓璜顶东路20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。