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！

龙图腾网获悉海军军医大学第一附属医院;上海理工大学;上海市胸科医院申请的专利实性肺结节良恶性诊断深度学习模型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：CN119811623B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202411003285.4，技术领域涉及：G16H50/20；该发明授权实性肺结节良恶性诊断深度学习模型系统是由朱吉;孙占全;于红;朱琳;陶广昱;徐立设计研发完成，并于2024-07-25向国家知识产权局提交的专利申请。

本实性肺结节良恶性诊断深度学习模型系统在说明书摘要公布了：本发明属于实性肺结节良恶性诊断模型系统技术领域，具体涉及实性肺结节良恶性诊断深度学习模型系统，包括模型的整体架构系统、数据集介绍系统、数据集预处理系统、肺部CT图片分割系统、肺部结节检测系统、肺结节类别系统、实验参数设置系统、评价指标系统、实验设置与结果系统，本发明提出实性肺结节良恶性诊断深度学习模型系统，主要针对该网络的下半分支进行了设计，下半分支网络通过Inception模块来提取肺部CT图像的多尺度的特征信息、并引入ECA、CBAM等卷积注意力模块加强了下半分支网络对肺部CT图像位置、形状特征的提取效果。

本发明授权实性肺结节良恶性诊断深度学习模型系统在权利要求书中公布了：1.实性肺结节良恶性诊断深度学习模型系统，其特征在于：包括模型的整体架构系统、数据集介绍系统、数据集预处理系统、肺部CT图片分割系统、肺部结节检测系统、肺结节类别系统、实验参数设置系统、评价指标系统、实验设置与结果系统，所述模型的整体架构系统由一个上半分支网络模块和下半分支网络模块组成，所述上半分支网络模块使用残差网络Resnet和自注意力机制（Self-Attention）构成的深度神经网络对类别矩阵进行特征提取，所述下半分支网络模块使用多尺度深度神经网络对十张图片构成的图片进行特征提取，且提取结节的位置和形状信息，最后将结节大小特征归一化后输入倒数第二层，和类别特征、提取的结节图片特征进行拼接，输入到最后的带有激活函数的全连接层中，得到肺结节恶性的预测概率； 所述下半分支网络模块包括Inception模块、ECA模块、CBAM模块，且Inception模块GoogLeNet的核心模块，所述Inception模块通过使用不同大小的卷积核对输入的特征图进行多尺度的特征提取，然后将这些具有多尺度信息的特征图在通道维度进行拼接，后续可以通过进一步的卷积操作，能够融合多尺度的特征信息，且Inception模块采用1×1的卷积核先对特征图进行降维操作，后面使用多个小卷积核代替大卷积核，大大降低了网络的参数和计算量，提高了模型训练的效率，此外，在Inception的下分支中采用了残差连接，能够使模型收敛的更快，且能在一定程度上避免梯度消失的问题； 所述ECA模块是根据SENet的缺陷改进而来的，且ECA模块通过一个卷积操作代替了SE模块中的两层全连接操作，而卷积操作相比于全连接操作来说，它能够共享参数，减少了模型的参数量，也提供了适当的通道交互； 所述CBAM模块是一种先进的注意力机制，且CBAM模块模块由两部分核心组成：通道注意力和空间注意力，旨在分别从通道维度和空间维度精炼特征重要性，实现特征的自适应加权，从而提升网络的识别精度与泛化能力，所述通道注意力，通过对特征图进行全局平均池化和全局最大池化，生成两个通道特征向量，这两个池化操作能够捕获通道间的统计信息，反映特征的整体分布和突出部分，随后，这两个特征向量经过一系列全连接层以及一个Sigmoid函数，产生一个归一化的权重向量，用以指示各个通道的重要性，且在反向传播过程中，这些权重指导网络更加关注那些对任务更具判别力的通道，有效抑制无关或噪声信息，所述空间注意力模块聚焦于空间维度，通过对每个通道应用两个一维卷积（分别沿宽度和高度方向），结合ReLU激活函数来提取空间特征的相关性，之后，同样通过Sigmoid函数生成一个二维的权重分数，该分数代表了特征图中每个位置对于最终决策的贡献程度。

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海军军医大学第一附属医院;上海理工大学;上海市胸科医院，其通讯地址为：200000 上海市杨浦区长海路168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。