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！

龙图腾网获悉首都医科大学附属北京朝阳医院申请的专利内镜下黏膜剥离术切除区域识别方法、系统、设备及介质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：CN118230120B 。

龙图腾网通过国家知识产权局官网在2025-06-17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：202410291139.X，技术领域涉及：G06V10/82；该发明授权内镜下黏膜剥离术切除区域识别方法、系统、设备及介质是由王泽楠;刘明设计研发完成，并于2024-03-14向国家知识产权局提交的专利申请。

本内镜下黏膜剥离术切除区域识别方法、系统、设备及介质在说明书摘要公布了：本发明涉及涉及医学图像处理领域，公开了内镜下黏膜剥离术切除区域识别方法、系统、设备及介质，包括：收集内镜下黏膜剥离术的黏膜下层可切除区域打标数据；利用内镜下黏膜剥离术的黏膜下层可切除区域打标数据，采用基于TransUNet++结构的框架，训练得到切除区域识别模型。本发明提供的内镜下黏膜剥离术切除区域识别方法和系统，通过建立基于TransUNet++结构的框架，并利用收集的内镜下黏膜剥离术的黏膜下层可切除区域打标数据，对其训练，获得可切除区域的识别模型，实现对消化内镜下黏膜剥离术黏膜下层可切除区域的精准识别和分割，为智能化识别可切除区域提供基础。

本发明授权内镜下黏膜剥离术切除区域识别方法、系统、设备及介质在权利要求书中公布了：1.一种内镜下黏膜剥离术切除区域识别模型的构建方法，其特征在于，包括： 收集内镜下黏膜剥离术的黏膜下层可切除区域打标数据； 利用内镜下黏膜剥离术的黏膜下层可切除区域打标数据，采用基于TransUNet++结构的框架，训练得到切除区域识别模型； 其中，所述基于TransUNet++结构，建立初步模型，具体为： 以深度残差网络作为编码器，进行特征提取，获取不同分辨率的特征； 以MSFM模块和卷积网络作为解码器； 编码器与解码器之间通过跳跃链接密集连接，跳跃链接的节点为MSFM模块； MSFM模块用于融合提取不同分辨率的特征； 编码器的最后一个阶段与解码器的第一阶段之间通过基于多头自注意力层的Transformer结构链接； 其中，所述切除区域识别模型包括： 编码器模块，由深度残差网络构成，共有四个阶段，四个阶段依次定义为x0、x1、x2和x3，其中x0为第一阶段，每个阶段的空间维度都为上个阶段的12，每个阶段内部，在深度残差网络提取特征之后，利用MSFM模块对这些特征进一步进行多尺度特征提取； 解码器模块，共有四个阶段，四个阶段依次定义为d3、d2、d1和d0，d3作为第一阶段，与编码器模块的最深层阶段x3对应；其中每个阶段包括MSFM模块和卷积模块，输入的特征先由MSFM进行多尺度特征提取融合，然后由卷积模块做进一步的特征融合，除最后一个阶段外，其它阶段的输出进行尺寸翻倍的上采样处理； Transformer模块，用于链接编码器模块的最深层阶段x3与解码器模块的第一阶段d3；编码器模块的最深层阶段x3的输出被拉平并传递给Transformer模块，用于学习全局信息和长尾关系； 所述编码器模块与所述解码器模块以TransUNet++结构结合，形成三层跳跃链接，以编码器模块的各阶段作为三层跳跃链接的首节点，解码器模块的各阶段作为三层跳跃链接的末节点，三层跳跃链接的中间节点分别布置MSFM模块；其中所述MSFM模块用于融合各阶段提取的不同分辨率的特征； 设定三层跳跃链接的第i层第j个节点为x_ij，则x_00即为x0，x_04即为d0，通过下式得到跳跃链接各中间节点和解码器模块各阶段的所有特征： x_01=MSFMcatx0,UPx1， x_11=MSFMcatx1,UPx2， x_02=MSFMcatx0,x_01,UPx_11， x_21=MSFMcatx2,UPx3， x_12=MSFMcatx1,x_11,UPx_21， x_03=MSFMcatx0,x_01,x_02,UPx_12， d3=x_31=MSFMcatx3,UPTransformer， d2=x_22=MSFMcatx2,x_21,UPx_31， d1=x_13=MSFMcatx1,x_11,x_12,UPx_22， d0=x_04=MSFMcatx0,x_01,x_02,x_03,UPx_13； 其中，cat为特征拼接操作，UP为特征图翻倍的上采样操作，MSFM为多尺度特征提取融合模块。

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首都医科大学附属北京朝阳医院，其通讯地址为：100020 北京市朝阳区工体南路8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”。