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！

龙图腾网获悉中南大学申请的专利基于生成对抗网络和UNet的肺结节风险预测方法及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：CN118942701B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202411041780.4，技术领域涉及：G16H50/30；该发明授权基于生成对抗网络和UNet的肺结节风险预测方法及设备是由孙婧怡;戴子喻;陈琼;刘进康;刘辉;王路路;段铸;杨睿设计研发完成，并于2024-07-31向国家知识产权局提交的专利申请。

本基于生成对抗网络和UNet的肺结节风险预测方法及设备在说明书摘要公布了：本发明提供了一种基于生成对抗网络和UNet的肺结节风险预测方法及设备，本发明通过生成对抗网络和条件生成对抗网络处理健康肺部CT图像和肺结节患病肺部的CT图像，丰富了数据样本的多样性，提高了模型的泛化能力；UNet模型接收真实以及生成的肺部CT图像作为输入，从肺部CT图像中分割出病变区域；通过跳跃连接使得特征图能够在编码器和解码器的对应层次之间进行信息传递，从而增强了模型的分割能力和病变区域检测的准确性；本发明可以很好地捕捉复杂特征和识别微小病变，提高了肺结节风险预测的准确性。

本发明授权基于生成对抗网络和UNet的肺结节风险预测方法及设备在权利要求书中公布了：1.一种基于生成对抗网络和UNet的肺结节风险预测方法，其特征在于，包括以下步骤： S1：获取健康肺部的CT图像、肺结节患病肺部的CT图像和病变类型； S2：采用生成对抗网络处理所述健康肺部的CT图像，生成健康图像数据；采用条件生成对抗网络处理所述肺结节患病肺部的CT图像，生成患病图像数据； S3：将所述健康肺部的CT图像、所述肺结节患病肺部的CT图像、所述健康图像数据和所述患病图像数据作为UNet模型的输入，训练所述UNet模型； 所述UNet模型包括编码器、解码器及连接编码器和解码器的连接层；所述编码器包括卷积层、激活层和最大池化层；所述解码器包括卷积层、激活层和反卷积层； 所述UNet模型的训练过程包括： 将所述健康肺部的CT图像、所述肺结节患病肺部的CT图像、所述健康图像数据和所述患病图像数据作为编码器的输入，经过卷积、激活处理，得到特征图Fenc； 通过解码器的卷积、激活、反卷积处理特征图Fenc，得到特征图Fdec； 将特征图Fenc和特征图Fdec进行连接，得到连接后的特征图Fskip，Fskip＝Fenc+Fdec； 使用交叉熵损失和Dice损失组成的损失函数，迭代优化训练UNet模型，得到肺结节风险预测模型； 所述条件生成对抗网络包括第二生成器和第二判别器，所述第二生成器包括融合层、全连接层和反卷积层；所述第二判别器包括融合层、卷积层和全连接层； 采用条件生成对抗网络处理所述肺结节患病肺部的CT图像，生成患病图像数据的实现过程包括： 获取随机生成的噪声向量z，融合所述噪声向量z和所述病变类型，通过卷积和全连接处理融合后的噪声向量和病变类型，生成假图像Gz|y； 融合所述肺结节患病肺部的CT图像x和所述病变类型，融合所述假图像Gz|y和所述病变类型； 通过全连接和反卷积处理融合后的肺结节患病肺部的CT图像和病变类型，得到肺结节患病肺部的CT图像的判别结果Dx|y；通过全连接和反卷积处理融合后的假图像和病变类型,得到假图像Gz|y的判别结果DGz|y|y； 通过损失函数迭代优化第二生成器和第二判别器，得到患病图像数据。

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中南大学，其通讯地址为：410083 湖南省长沙市岳麓区麓山南路932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。