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！

龙图腾网获悉江西师范大学申请的专利医学影像多标签分类模型训练方法、电子设备和存储介质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：CN120107705B 。

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：202510592054.X，技术领域涉及：G06V10/764；该发明授权医学影像多标签分类模型训练方法、电子设备和存储介质是由熊康哲;饶鑫平;秦乐;涂语韵设计研发完成，并于2025-05-09向国家知识产权局提交的专利申请。

本医学影像多标签分类模型训练方法、电子设备和存储介质在说明书摘要公布了：本发明涉及计算机视觉和机器学习技术领域，具体涉及医学影像多标签分类模型训练方法、电子设备和存储介质。在本发明中，对输入图像进行特征提取，得到输入特征图；对输入特征图应用可学习的空间注意力卷积，生成注意力图，再对注意力图进行非线性激活和归一化处理后与输入特征图加权聚合，得到全局特征向量；对全局特征向量施加多头自注意力，得到自注意力增强特征图；使用深层MLP分类器对自注意力增强特征图进行分类，其中深层MLP分类器执行包括线性变换、非线性激活、批归一化和随机失活的步骤；基于损失函数通过反向传播更新模型的参数，从而得到医学影像多标签分类模型。该医学影像多标签分类模型提高了医学影像多标签分类的效果。

本发明授权医学影像多标签分类模型训练方法、电子设备和存储介质在权利要求书中公布了：1.一种医学影像多标签分类模型训练方法，其特征在于，包括以下步骤： 利用ConvNeXtV2的前三个卷积提取阶段对输入图像进行特征提取，其中ConvNeXtV2的前296层被冻结，得到输入特征图； 对输入特征图应用可学习的空间注意力卷积，生成注意力图，再对注意力图进行非线性激活和归一化处理后与输入特征图加权聚合，得到全局特征向量； 对全局特征向量施加多头自注意力，得到自注意力增强特征图； 使用深层MLP分类器对自注意力增强特征图进行分类，其中深层MLP分类器执行包括线性变换、非线性激活、批归一化和随机失活的步骤； 基于损失函数通过反向传播更新模型的参数； 在训练时，以冻结的方式训练5个训练轮数，在随后的步骤中，先前冻结的ConvNeXtV2的前296层在另外8个训练轮数的训练中进一步解冻； 其中，对输入特征图应用可学习的空间注意力卷积包括： 对输入特征图应用1×1卷积，如式2所示； 其中，表示注意力图，；X表示输入特征图，；B表示批大小，C表示通道数，H表示输入特征图的高，W表示输入特征图的宽；表示卷积核，表示偏置项，；*表示卷积运算； 对注意力图进行非线性激活和归一化处理后与输入特征图加权聚合包括： 应用Sigmoid函数激活注意力图，对注意力分数进行归一化处理，并与输入特征图加权聚合，如式3至式5所示； 其中，表示注意力分数；表示Sigmoid函数；表示第个注意力图所有像素点权重的总和，表示正整数；表示全局特征向量，； 对全局特征向量施加多头自注意力包括： 对全局特征向量进行维度拓展，得到张量x’，其中； 对张量x’进行线性投影，得到查询、键和值矩阵，如式6至式8所示； 其中，分别表示可学习的权重矩阵，、、；QKV分别表示查询、键和值矩阵； 将每个注意力头的特征向量重塑为的形状，其中n表示注意力头的数量，通过缩放点积计算每个注意力头的注意力分数，得到形状为[B,n,1,1]的分数张量，如式9所示； 应用softmax函数得到注意力权重，如式10所示； 由式11计算值矩阵的加权和； 重塑值矩阵的加权和为[B,1,d]，即，并通过权重矩阵进行额外的投影，得到投影之后的注意力输出，如式12所示； 使用残差连接得到输出，如式13所示； 其中，表示自注意力增强特征图，x表示输入的全局特征向量； 使用深层MLP分类器对自注意力增强特征图进行分类包括： 构建包括输入层、隐藏层和输出层的深层MLP分类器，深层MLP分类器的层数为L，其中L为大于3的正整数； 对自注意力增强特征图进行线性变换，如式14所示； 其中，表示自注意力增强特征图；和分别表示可学习的参数，，；表示深层MLP分类器中第一个隐藏层的大小；，表示特征向量的维度； 应用ReLU激活函数引入非线性，如式15所示； 进行批归一化，如式16所示； 其中，表示一个批次的均值；表示一个批次的标准差；分别表示可学习的缩放参数和平移参数，且； 应用随机失活减少过拟合，如式17所示； 其中，，Dropout·表示随机失活；随机失活在训练过程中随机将比例为p的神经元置零，p为25%至50%； 由输出层产生输出结果Y，如式18所示； 其中，表示第L-1层的输出特征；表示第L层的权重矩阵，；表示第L层的偏置向量，；，表示最终的输出维度。

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江西师范大学，其通讯地址为：330000 江西省南昌市高新技术开发区紫阳大道99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。