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！

龙图腾网获悉温州医科大学申请的专利眼科疾病预测模型的训练方法及电子设备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：CN120544808B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202511052734.9，技术领域涉及：G16H30/20；该发明授权眼科疾病预测模型的训练方法及电子设备是由颜博怀;郝旭钰;马晨曦;袁晨;熊浩;蒋超亦;林熠昀;吴泰利;胡再鑫;曾李;艾孜买提·艾合曼提江;曾禹程;吕青怡;徐好;江依韵;郑静;陈帜设计研发完成，并于2025-07-30向国家知识产权局提交的专利申请。

本眼科疾病预测模型的训练方法及电子设备在说明书摘要公布了：本申请提供一种眼科疾病预测模型的训练方法及电子设备，方法包括，获取眼科图像数据和眼科图像数据对应的标签数据；预处理眼科图像数据得到多个不同尺度层级的图像块；通过堆叠的自适应梯度调制卷积层的卷积操作，学习每个图像块上每个采样点的空间偏移量，基于空间偏移量调整堆叠的自适应梯度调制卷积层的原始卷积核权重，将多个不同尺度层级的图像块变换得到形态增强特征图；将形态增强特征图输入混合注意力特征提取模块得到微小病灶增强特征图并降维得到特征向量；将特征向量和标签数据输入全连接分类器，输出疾病类别预测概率，直至满足训练停止条件时，多分支卷积神经网络完成训练，形成眼科疾病预测模型，提高对微小病变的识别准确性。

本发明授权眼科疾病预测模型的训练方法及电子设备在权利要求书中公布了：1.一种眼科疾病预测模型的训练方法，其特征在于，所述方法应用于多分支卷积神经网络的训练，所述多分支卷积神经网络包括堆叠的自适应梯度调制卷积层、混合注意力特征提取模块、跨尺度特征融合模块和全连接分类器，所述方法包括： 获取眼科图像数据和眼科图像数据对应的标签数据； 预处理眼科图像数据得到多个不同尺度层级的图像块； 通过堆叠的自适应梯度调制卷积层的卷积操作，学习每个图像块上每个采样点的空间偏移量，基于空间偏移量，采样得到每个采样点偏移后的偏移特征值； 将所述偏移特征值与可学习权重向量的转置作内积，得到每个采样点的得分； 通过Softmax函数归一化所有采样点的得分，得到每个采样点的动态调制系数； 将每个采样点的动态调制系数、对应的堆叠的自适应梯度调制卷积层的原始卷积核权重和所述偏移特征值进行逐项乘积后，对所有采样点乘积求和，以生成第一特征图，所述第一特征图记载所有采样点的特征激活强度； 将多个不同尺度层级的图像块对应的多个第一特征图输入跨尺度特征融合模块，输出形态增强特征图； 将所述形态增强特征图输入混合注意力特征提取模块得到微小病灶增强特征图并降维得到特征向量，其中，所述混合注意力特征提取模块包括通道注意力权重确定模块、空间注意力权重确定模块和匹配模块，通道注意力权重确定模块用于将所述形态增强特征图转换为通道注意力权重向量，空间注意力权重确定模块用于将所述形态增强特征图转换为空间注意力权重图； 通过所述匹配模块执行下述步骤： c.1对通道注意力权重向量与空间注意力权重图分别进行广播匹配至与形态增强特征图相同的维度； c.2．将降维后的通道注意力权重向量与空间注意力权重图分别与形态增强特征图相乘，分别得到通道注意力加权特征图和空间注意力加权特征图； c.3将通道注意力加权特征图、空间注意力加权特征图和形态增强特征图相加，得到微小病灶增强特征图并降维得到特征向量； 将特征向量和标签数据输入全连接分类器，输出疾病类别预测概率，直至满足训练停止条件时，所述多分支卷积神经网络完成训练，形成所述眼科疾病预测模型。

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温州医科大学，其通讯地址为：325027 浙江省温州市鹿城区学院西路82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”。