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！

龙图腾网获悉中南大学申请的专利一种用于口腔黏膜病变的图像识别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：CN120259286B 。

龙图腾网通过国家知识产权局官网在2025-08-26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：202510731129.8，技术领域涉及：G06T7/00；该发明授权一种用于口腔黏膜病变的图像识别系统是由刘桂;张凌燕;黄俊辉设计研发完成，并于2025-06-03向国家知识产权局提交的专利申请。

本一种用于口腔黏膜病变的图像识别系统在说明书摘要公布了：本发明涉及图像处理技术，提供了一种用于口腔黏膜病变的图像识别系统，旨在提高口腔图像处理的精度与效率；系统包括数据采集模块、数据预处理模块、图像分割模块、病变区域分类模块和报告展示与可视化模块；通过图像金字塔、Sobel边缘检测、Otsu阈值分割及局部对比度加权优化技术，图像分割模块实现了高精度的病变区域分割；病变区域分类模块结合特征组合、特征交互、HEMish激活函数和可变扩张因果卷积等技术，精确分类口腔病变区域；本发明通过多层次、多维度的技术手段，显著提高了病变区域的识别精度、鲁棒性与适应性，解决了传统系统中存在的精度低、识别不稳定等问题，推动了口腔黏膜病变图像识别领域的技术进步。

本发明授权一种用于口腔黏膜病变的图像识别系统在权利要求书中公布了：1.一种用于口腔黏膜病变的图像识别系统，包括数据采集模块、数据预处理模块；所述数据采集模块，采集原始口腔图像数据；所述数据预处理模块，将原始口腔图像数据进行预处理，生成预处理口腔图像数据；其特征在于：所述系统还包括图像分割模块和病变区域分类模块； 所述图像分割模块，结合图像金字塔、Sobel边缘检测、Otsu阈值分割和局部对比度加权优化技术构建多尺度加权Otsu边缘分割模型，通过多尺度加权Otsu边缘分割模型处理预处理口腔图像数据，生成多尺度边缘分割图； 所述病变区域分类模块，建立卷积神经网络模型，通过引入特征组合、特征交互、HEMish激活函数和可变扩张因果卷积改进卷积神经网络模型，构建多尺度扭曲-可变卷积神经网络模型；通过多尺度扭曲-可变卷积神经网络模型处理多尺度边缘分割图，生成病变区域分类信息； 多尺度加权Otsu边缘分割模型包括多尺度图像金字塔单元、Sobel算子边缘检测单元、多尺度Otsu阈值单元和生成单元； 多尺度扭曲-可变卷积神经网络模型包括全连接层1、Dropout层、全连接层2、残差连接和输出层； 所述病变区域分类模块，生成病变区域分类信息的过程，具体包括以下步骤： 步骤D1：特征组合：将多尺度边缘分割图进行乘积组合和成对乘积求和，生成组合特征数据； 步骤D2：特征交互：将组合特征数据通过ReLU激活函数进行非线性变换，捕捉组合特征数据的高阶交互关系，生成丰富高阶特征表示； 步骤D3：特征变换：结合Mish的平滑性、高斯函数、双曲正切函数和可调超参数，构建HEMish激活函数；将丰富高阶特征表示进行线性变换，再通过HEMish激活函数进行非线性变换，生成深层特征表示； 步骤D4：特征映射1：通过全连接层1处理深层特征表示，生成全连接层1特征数据集；通过全连接层1学习深层特征表示，输出扩张因子控制信号； 步骤D5：因果卷积：通过可变扩张因果卷积捕捉全连接层1特征数据集中的长期依赖关系，生成可变因果特征数据； 步骤D6：批归一化处理：将可变因果特征数据进行批归一化处理，减少训练中的内部协方差变化，生成批归一化特征数据； 步骤D7：Dropout处理：将批归一化特征数据通过Dropout层随机丢弃一部分神经元，生成Dropout特征数据； 步骤D8：特征映射2：通过全连接层2对Dropout特征数据精炼特征表示，生成全连接层2特征数据； 步骤D9：生成分类结果：将全连接层2特征数据输入到输出层，生成病变区域分类信息； 步骤D10：残差连接：在全连接层1和全连接层2之间加入残差连接。

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中南大学，其通讯地址为：410083 湖南省长沙市岳麓区麓山南路932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”。