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！

龙图腾网获悉深圳微创心算子医疗科技有限公司申请的专利一种利用心脏超声视频责任帧判断心包积液的方法及装置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：CN117152050B 。

龙图腾网通过国家知识产权局官网在2026-05-01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：202310487746.9，技术领域涉及：G06T7/00；该发明授权一种利用心脏超声视频责任帧判断心包积液的方法及装置是由刘竑;蒋逸韬;石思远;崔晨设计研发完成，并于2023-04-28向国家知识产权局提交的专利申请。

本一种利用心脏超声视频责任帧判断心包积液的方法及装置在说明书摘要公布了：本发明公开了一种利用心脏超声视频责任帧判断心包积液的方法及装置，所述方法包括采集心脏超声标准切面视频，并统一格式，利用所述心脏超声标准切面视频训练静态图像分类神经网络模型；基于所述静态图像分类神经网络模型搭建心包积液判断模型，将待识别的心脏超声标准切面视频输入所述心包积液判断模型；所述心包积液判断模型输出视频的特征矩阵，利用随机森林模型计算所述视频的特征矩阵获得视频的特征重要性矩阵，基于信息熵减及所述视频的特征重要性矩阵选取用于视频良恶性判断的责任帧；所述静态图像分类神经网络模型基于所述用于视频良恶性判断的责任帧输出心脏超声视频是否有心包积液。本发明可以实现自动识别超声心动视频中有无心包积液。

本发明授权一种利用心脏超声视频责任帧判断心包积液的方法及装置在权利要求书中公布了：1.一种利用心脏超声视频责任帧判断心包积液的方法，其特征在于，包括： 采集心脏超声标准切面视频，并统一格式，利用所述心脏超声标准切面视频训练静态图像分类神经网络模型； 基于所述静态图像分类神经网络模型搭建心包积液判断模型，将待识别的心脏超声标准切面视频输入所述心包积液判断模型； 所述心包积液判断模型输出视频的特征矩阵，利用随机森林模型计算所述视频的特征矩阵获得视频的特征重要性矩阵，基于信息熵减及所述视频的特征重要性矩阵选取用于视频良恶性判断的责任帧； 所述静态图像分类神经网络模型基于所述用于视频良恶性判断的责任帧输出心脏超声视频是否有心包积液； 所述采集心脏超声标准切面视频，并统一格式，包括： 采集胸骨旁声窗PSAX切面、心尖声窗A4C切面、胸骨旁声窗PLAX切面的视频，剑突下声窗SC4C切面，将所述视频的帧数、宽、高、通道数统一； 所述利用所述心脏超声标准切面视频训练静态图像分类神经网络模型，包括： 从心脏超声标准切面视频中每隔固定帧抽取一帧图像作为输入图像； 对于所述输入图像随机采用包括旋转、平移、翻转和高斯噪声进行数据增广处理； 采用随机梯度下降法训练静态图像分类神经网络模型；所述静态图像分类神经网络模型包括用于抽取图像特征的骨架部分和用于分类的全连接层部分，其中静态图像分类神经网络模型的最后一层卷积层得到的特征矩阵与图像的位置偏码相加，得到图像空间位置信息，所述位置信息用于评估责任区域； 所述利用随机森林模型计算所述视频的特征矩阵获得视频的特征重要性矩阵，包括： 将视频的特征矩阵中每个特征维度的特征值乘以该特征维度在随机森林中的重要性值获得视频的特征重要性矩阵； 所述将视频的特征矩阵中每个特征维度的特征值乘以该特征维度在随机森林中的重要性值获得视频的特征重要性矩阵，包括： 用信息熵减的方法选取所述视频的特征矩阵中目标图像，只对所述目标图像做列方向上的最大池化，获得由TopN图像贡献的特征矩阵；将所述TopN图像贡献的特征矩阵送入随机森林模型，获得用于视频良恶性判断的责任帧； 所述基于信息熵减及所述视频的特征重要性矩阵选取用于视频良恶性判断的责任帧包括： 将视频特征重要性矩阵中每个通道的值做为整个视频在该特征维度贡献的总信息量，将每帧图像特征重要性矩阵中每个通道的值做为该帧图像在特征维度下贡献的单帧信息量； 将视频特征重要性矩阵减去单帧图像的特征重要性矩阵，得到剩余特征重要性矩阵；对剩余特征重要性矩阵的各特征维度信息量加和，得到了视频减去单帧图像特征重要性矩阵后的剩余信息熵； 将最小剩余信息熵的帧图像作为用于视频良恶性判断的责任帧。

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深圳微创心算子医疗科技有限公司，其通讯地址为：518000 广东省深圳市南山区粤海街道大冲社区大冲商务中心(三期)4栋7A；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。