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！

龙图腾网获悉南京邮电大学申请的专利一种用于淋巴瘤PET图像3D分割任务的神经网络模型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：CN115796232B 。

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：202211563660.1，技术领域涉及：G06N3/0455；该发明授权一种用于淋巴瘤PET图像3D分割任务的神经网络模型是由陈建新;闵代勇;李昂;周亮;魏昕;翟威;许景艳设计研发完成，并于2022-12-07向国家知识产权局提交的专利申请。

本一种用于淋巴瘤PET图像3D分割任务的神经网络模型在说明书摘要公布了：本发明公开了一种用于淋巴瘤PET图像3D分割任务的神经网络模型，该神经网络模型基于一个五层的“U”型编码器‑解码器结构，每一层的编码器部分都融合了循环残差卷积模块以加深卷积深度、增强特征提取能力，并在特征融合前使用多尺度卷积模块对编码器输出的特征图像进行特征增强。层与层之间通过最大池化层和上采样层进行连接，最大池化层可以压缩特征、简化网络，而上采样层可以保留高级抽象特征的同时提高图像分辨率，然后再与多尺度卷积模块增强过的低级表层特征高分辨率图像进行特征融合。

本发明授权一种用于淋巴瘤PET图像3D分割任务的神经网络模型在权利要求书中公布了：1.一种用于淋巴瘤PET图像3D分割任务的神经网络模型，其特征在于：所述神经网络模型基于U型编码器-解码器结构，所述U型编码器-解码器结构具有五层，每一层的编码部分都包括循环残差卷积模块和多尺度卷积模块，所述循环残差卷积模块用于对输入图像进行编码，所述多尺度卷积模块用于对编码器输出的特征图像进行特征增强；相邻两层编码器之间通过最大池化层进行连接，所述最大池化层用于压缩特征和简化网络，上采样层用于提高高级抽象特征图像分辨率和数据增强，便于与所述多尺度卷积模块增强过的低级表层特征高分辨率图像进行特征融合；每一层都包含解码器部分，所述解码器用于解码特征融合后的编码图像； 其中，所述神经网络模型还结合了FocalLoss和DiceLoss作为损失函数Loss，具体数学表达式为： 其中，Loss表达式中，a、b为FocalLoss和DiceLoss的权重常量，N为每次训练的数据个数；FocalLoss表达式中，y∈{1，-1}为groundtruth类别，p∈[0,1]是模型对于y＝1的预测概率，γ≥0为可调的focusing参数；DiceLoss表达式中，集合X、Y分别为预测值或真实值； 所述神经网络模型学习率调整策略使用幂函数，具体数学表达式为： 其中，lr为初始学习率，n为当前训练次数，maxEpoch为最大训练数，γ为指数； 所述循环残差卷积模块包括一层循环残差卷积层和一层3×3×3的卷积层，所述循环残差卷积层由一层3×3×3的卷积层结合残差模块循环卷积两次组成；所述多尺度卷积模块有4层，第一层由一层1×1×1的卷积层、1×1×1的卷积层和卷积核为3×3×3、扩张率为1的空洞卷积组成；第二层由一层1×1×1的卷积层、3×3×3的卷积层和卷积核为3×3×3、扩张率为2的空洞卷积组成；第三层由一层1×1×1的卷积层、5×5×5的卷积层和卷积核为3×3×3、扩张率为4的空洞卷积组成；第四层由一层1×1×1的卷积层、7×7×7的卷积层和卷积核为3×3×3、扩张率为8的空洞卷积组成。

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南京邮电大学，其通讯地址为：210023 江苏省南京市栖霞区文苑路9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。