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！

龙图腾网获悉华中科技大学同济医学院附属同济医院申请的专利一种子宫内膜良恶性疾病辅助预测模型构建方法及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：CN120015308B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202510026949.7，技术领域涉及：G16H50/30；该发明授权一种子宫内膜良恶性疾病辅助预测模型构建方法及系统是由汪雯雯;袁素珍;沈文枫;朱欣;蔡雨阳;赵爱华设计研发完成，并于2025-01-08向国家知识产权局提交的专利申请。

本一种子宫内膜良恶性疾病辅助预测模型构建方法及系统在说明书摘要公布了：本发明涉及一种子宫内膜良恶性疾病辅助预测模型构建方法及系统，包括获取非目标部位的第一历史图像信息和目标部位的第二历史图像信息；分别进行预处理并分别构建对应的预训练样本数据集和训练样本数据集；构建卷积神经网络模型，并将预训练样本数据集输入至卷积神经网络模型进行对比学习预训练；将训练样本数据集输入至预训练后的卷积神经网络模型进行训练，直至完成训练，得到子宫内膜良恶性疾病辅助预测模型。利用对比学习技术，增强卷积神经网络模型对细微病变特征的识别能力，提升模型泛化能力，显著提高诊断的敏感性和特异性，减少误诊率，大大提高模型的识别精度，减少误诊和不必要的活检可能性，帮助缓解内镜医师的感知偏差和视觉疲劳。

本发明授权一种子宫内膜良恶性疾病辅助预测模型构建方法及系统在权利要求书中公布了：1.一种子宫内膜良恶性疾病辅助预测模型构建方法，其特征在于，包括如下步骤： 获取非目标部位的第一历史图像信息和目标部位的第二历史图像信息； 分别对所述第一历史图像信息和第二历史图像信息进行预处理，并分别构建对应的预训练样本数据集和训练样本数据集； 构建卷积神经网络模型，并将所述预训练样本数据集输入至所述卷积神经网络模型进行对比学习预训练； 将所述训练样本数据集输入至预训练后的所述卷积神经网络模型进行训练，直至完成训练，得到子宫内膜良恶性疾病辅助预测模型； 所述将所述预训练样本数据集输入至所述卷积神经网络模型进行对比学习预训练具体包括如下步骤： 所述卷积神经网络模型对所述预训练样本数据集中的第一历史图像信息进行特征提取处理，并将提取到的预训练特征映射到低维空间中； 在所述低维空间中，构建对比损失函数，并根据所述对比损失函数计算所提取的预训练特征对应的特征向量之间的余弦相似度，对比损失函数的计算公式为： 其中，zi和zj表示正对特征向量，simzi,zj表示正对特征向量zi和zj之间的余弦相似度，τ是温度参数，li,j表示正对特征向量zi和zj之间的损失函数，N为样本数量； 基于所述余弦相似度调节所述损失函数的分布集中度，直至所述对比损失函数的变化值在预设范围内，完成训练，得到子宫内膜良恶性疾病辅助预测模型； 所述将所述训练样本数据集输入至预训练后的所述卷积神经网络模型进行训练，直至完成训练，得到子宫内膜良恶性疾病辅助预测模型具体包括如下步骤： 预训练后的所述卷积神经网络模型对所述训练样本数据集中的第二历史图像信息进行分类识别处理，得到病例分类信息； 基于所述病例分类信息和对应的真实标签值构建焦点损失函数，具体公式为： focallosspt＝1-pt0·1CEp,y2 CEp,y＝-logpt3 其中，p为样本被所述卷积神经网络模型正确预测分类的概率，y为样本的真实标签值，pt为模型的预测标签值，CEp,y为计算真实标签值与预测标签值之间的交叉熵损失值，focallosspt为焦点损失值； 将所述焦点损失函数的损失值最小的模型参数作为所述卷积神经网络模型的目标参数，完成训练，子宫内膜良恶性疾病辅助预测模型。

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华中科技大学同济医学院附属同济医院，其通讯地址为：430030 湖北省武汉市硚口区解放大道1095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。