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！

龙图腾网获悉高艺申请的专利基于CT图像二维投影及深度学习的肺结核传染性判别方法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：CN115861292B 。

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：202310023737.4，技术领域涉及：G06F16/50；该发明授权基于CT图像二维投影及深度学习的肺结核传染性判别方法是由高艺设计研发完成，并于2023-01-06向国家知识产权局提交的专利申请。

本基于CT图像二维投影及深度学习的肺结核传染性判别方法在说明书摘要公布了：本发明涉及医学智能分析相关领域，公开了基于CT图像二维投影及深度学习的肺结核传染性判别方法，提供了一种基于二维投影的肺结核CT图像传染性分析方法，该方法不需要使用三维模型，且可以大量提升样本量，这大大缓解了深度学习模型的过拟合问题；提出双流的二维ResNet模型，该模型采用双主干网络设计，使用了残差模块提取特征，在二维投影的肺结核CT图像传染性判别任务上表现优秀；采用Z，X，Y三个方向的投影，且使用均值和标准差作为投影的属性，实验结果表明该做法是有效的；在测试阶段使用了三个方向的预测概率的均值，这是使得模型的最终预测结果更加具有鲁棒性。

本发明授权基于CT图像二维投影及深度学习的肺结核传染性判别方法在权利要求书中公布了：1.基于CT图像二维投影及深度学习的肺结核传染性判别方法，其特征在于，包含以下步骤： 训练数据的预处理，获取历史肺结核患者的CT图像数据与结核痰涂片的检测结果，基于所述检测结果判断患者的传染性强度以用于对所述CT图像数据进行划分； 肺部图像的切割投影，通过开源模型对所述CT图像数据进行肺部的分割处理，获取三维分割结果，基于所述三维分割结果分别对左右肺进行空间坐标轴方向的投影，生成投影图像，所述三维分割结果表征仅保留肺部的CT图像； 样本的神经网络处理，通过二维ResNet神经网络对所述投影图像进行处理，生成投影图像特征，基于所述投影图像特征的多个特征向量进行最大值操作融合，并通过全连接层和Sigmoid激活函数获得预测概率； 数据集的二分类，将预先划分的测试数据集通过样本的神经网络处理步骤进行二分类，根据测试集输出的概率值，绘制ROC曲线，并计算RO-AUC作为二分类模型的评价指标，基于ROC曲线选定额定的特异度时的阈值作为分类阈值，所述分类阈值用于判断传染性； 患者的传染性判断，获取待诊断肺结核患者肺部的CT图像，通过肺部图像的切割投影及样本的神经网络处理步骤获得多个预测概率，对多个所述预测概率进行取均值，获得患者的最终预测概率，基于所述数据集的二分类中的分类阈值对所述预测概率进行判断，获取患者的传染性； 所述基于所述三维分割结果分别对左右肺进行空间坐标轴方向的投影的步骤执行时还包括前置步骤： 对所述三维分割结果进行判断，若分割结果的左右肺不粘连，则通过连通域将两个区域分开，并通过连通域的质心位置判断左右肺，若左右粘连，则直接沿分割结果的横断面中线分割左右肺，当投影生成时，投影去对应方向上的像素点均值与标准差； 所述二维ResNet模型包括两条主干网络，两条所述主干网络分别用于提取左肺和右肺的投影图像特征，并通过一个最大值操作融合，在双流的所述二维ResNet模型的训练中，通过在线的数据扩增技术进行训练样本量的增加及模型泛化能提的提升，所述数据扩增技术包括随机翻转、随机缩放、随机平移、随机旋转及随机噪声，模型训练的损失函数为交叉熵损失函数： 其中，N表示样本数量，yi表示样本i的分类标签，pi表示模型预测样本i为强传染性的概率；该损失函数促使模型将强传染性的样本预测为1，将弱传染性的样本预测为0。

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高艺，其通讯地址为：570100 海南省海口市秀英区秀华路19号海南省人民医院；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”。