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知识增强的胸部X光图像分类方法及成像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：CN116543208B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202310502016.1，技术领域涉及：G06V10/764；该发明授权基于知识增强的胸部X光图像分类方法及成像方法是由王建新;颜泉;段俊文设计研发完成，并于2023-05-06向国家知识产权局提交的专利申请。

本基于知识增强的胸部X光图像分类方法及成像方法在说明书摘要公布了：本发明公开了一种基于知识增强的胸部X光图像分类方法，包括获取基准数据集，构造知识图谱；针对构造的知识图谱进行节点类型区分和节点关系建模处理；基于获取的数据集构建局部分类器，针对处理后的知识图谱进行局部分类处理；基于获取的数据集和局部分类器，构建全局分类器，并针对处理后的知识图谱进行全局分类处理；采用训练后的全局分类器，完成对实际输入X光图像的分类处理；本发明还公开了包括所述基于知识增强的胸部X光图像分类方法的成像方法。本发明方法通过基于胸部X光数据集，创建KG知识图谱，将现有知识融入建立的模型中，有效的改善胸部X光局部分类和全局分类的分类效果；同时本发明的有效性高、精准度提升、泛化性增强。

本发明授权基于知识增强的胸部X光图像分类方法及成像方法在权利要求书中公布了：1.一种基于知识增强的胸部X光图像分类方法，包括如下步骤： S1.获取基准数据集，构造知识图谱； S2.针对步骤S1构造的知识图谱进行节点类型区分和节点关系建模处理； S3.基于步骤S1获取的数据集构建局部分类器，并针对步骤S2处理后的知识图谱进行局部分类处理； S4.基于步骤S1获取的数据集、和步骤S3构建的局部分类器，构建全局分类器，并针对步骤S2处理后的知识图谱进行全局分类处理；具体包括： 通过全局分类器实现多标签分类，同时根据数据集的差异对应不同的标签集；采用步骤S3中所述的局部分类器，基于训练后的局部分类器提取知识增强的局部特征，并应用全局-局部注意力融合全局和局部特征； 采用ChestImaGenome数据集对局部分类器进行训练，固定训练后的分类器的参数作为全局分类器中的知识增强模块，并在数据集ChestX-ray14和VinBigData上进行训练； 采用设定的位置特征属性特征以及检测分数在pl上应用sigmoid函数得到每个位置-属性对的概率，根据概率对属性特征进行加权，并与位置特征融合，采用下述公式描述融合过程； 其中，是每个位置的知识增强局部特征或KE特征，fo,i为第i个位置节点的特征，fa,j为第j个属性节点的特征，为第i个位置节点和第j个属性节点之间的得分，σ·表示sigmoid函数；no是位置的数量；na是属性节点的数量； 设计全局-局部关注融合多粒度特征，应用CNN提取全局特征fg∈R1×d，使用fg作为查询，fke作为键和值，通过注意力机制对KE特征进行，然后与全局特征融合，此操作根据位置-属性对的得分，将每个位置上可能出现的各个属性的信息以不同的重要性融合到位置节点的特征中，采用下述公式进行描述： 其中，ffinal∈R1×d是多标签分类的最终特征，d为特征维度，为知识增强局部特征的转置； 应用一个全连接层将最终特征进行分类，所用公式如下： pg＝ffinal·Wg+b 其中，pg是每种分类结果出现的可能性，作为全局分类的结果；Wg为分类器的权重项，b为分类器的偏置项； 损失函数为二元交叉熵，如下式所述： 其中，L为二元交叉熵损失，c是类的数量，yi是第i个类的标签，为第i个病变的预测概率； S5.采用步骤S4训练后的全局分类器，完成对实际输入X光图像的分类处理。

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。