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！

龙图腾网获悉上海大学申请的专利基于超声视频的颈动脉斑块跟踪和回声分类框架及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：CN115381492B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202211019946.3，技术领域涉及：A61B8/08；该发明授权基于超声视频的颈动脉斑块跟踪和回声分类框架及方法是由谢江;徐晓春;李莹设计研发完成，并于2022-08-24向国家知识产权局提交的专利申请。

本基于超声视频的颈动脉斑块跟踪和回声分类框架及方法在说明书摘要公布了：本发明公开了于超声视频的颈动脉斑块跟踪和回声分类框架及方法，将多尺度空洞编码器、内外特征解耦器和跟踪网络组成颈动脉斑块跟踪框架，基于特征重组和双通道3D‑Attention框架建立颈动脉斑块回声分类框架；超声视频图像输入跟踪框架定位斑块位置，基于特征重组选取斑块轮廓作为回声分类框架的局部特征输入，原超声视频图像作为回声分类框架的全局特征输入。该跟踪和分类框架结合特征层次级融合、多尺度上下文时序特征提取、三维注意力机制等深度学习技术，不仅针对性的解决了颈动脉超声视频中超声切面间状态的变化带来的优化问题，且充分结合了斑块的上下文特征和血管环境特征，让反映斑块不稳定性的每一类状态对应的特征都得到了充分体现。

本发明授权基于超声视频的颈动脉斑块跟踪和回声分类框架及方法在权利要求书中公布了：1.一种基于超声视频的颈动脉斑块跟踪和回声分类方法，包括多尺度空洞编码器，其特征在于：多尺度空洞编码器、内外特征解耦器和跟踪网络组成颈动脉斑块跟踪框架，基于特征重组和双通道3D-Attention框架建立颈动脉斑块回声分类框架；超声视频图像输入跟踪框架定位斑块位置，基于特征重组选取斑块轮廓作为回声分类框架的局部特征输入，原超声视频图像作为回声分类框架的全局特征输入；多尺度空洞编码器包括： A1.接收当前帧、前一帧和下一帧作为输入，C2、C3和C4表示ResNet50的输出特征； A2.C2和C4后跟随三个类残差块，其中应用1×1卷积层减少通道维数，添加具有不同膨胀率的3×3空洞卷积来细化语义上下文，生成具有多个接受域的输出特征； A3.在C2和C4后的类残差块后添加C3跳转连接，编码器层后面的子网，采用JDE的设计范式，每个尺度上独立训练； 内外特征解耦器包括： B1.给定输入，，其中i代表通道数，H和W代表特征图的长和宽，全局向量的计算可以表示为： 其中代表可学习等线性投影； B2.通过特征解耦分别计算内部权值向量和外部权值向量： 其中,,和代表四个可学习权重矩阵，and分别是sigmoid和relu激活函数; B3.最后在各通道上完成了对原始特征的重新加权： 其中用来区分斑块状态来辅助检测，用来区分斑块身份以辅助跟踪； 跟踪网络包括： C1.跟踪网络由两部分组成：检测子网和链接子网，检测子网预测斑块的位置及回声状态，链接子网根据每一帧中的检测结果之间的相关性完成跟踪轨迹； C2.检测子网由两个支路组成，其中轮廓分类支路classsubnet包含四层卷积层，每个卷积层由1×1卷积和3×3卷积组成；轮廓回归支路boxsubnet与分类支路的前三层结构相同； C3.链接子网的前两层由3×3卷积层组成，最后一层使用全连接层； C4.基于身份的Embedding特征和检测框通过余弦相似度计算关联矩阵，再利用匈牙利算法和卡尔曼滤波对不同帧之间的斑块进行匹配并完成跟踪轨迹的建立； 特征重组包括： D1.对每个斑块，从通过跟踪框架完成病灶框选的超声切面中选择对应得分最高的各类斑块轮廓，此外还选择了轮廓分类子网和链接子网中倒数第二层的特征图作为补充特征，最后通过拼接跟踪轮廓和补充特征作为双通道时序斑块回声分类模型的局部特征； D2.选择全部未框选的超声切面作为全局信息，重点关注血管轮廓的变化和回声衰减，作为双通道时序斑块回声分类模型的全局特征。

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上海大学，其通讯地址为：200444 上海市宝山区上大路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。