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！

龙图腾网获悉西北大学申请的专利一种多对比学习冠状动脉高危斑块检测方法、系统及终端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：CN116228731B 。

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：202310252426.5，技术领域涉及：G06T7/00；该发明授权一种多对比学习冠状动脉高危斑块检测方法、系统及终端是由易黄建;侯凌文;赵凤军;曹欣;侯榆青;贺小伟设计研发完成，并于2023-03-16向国家知识产权局提交的专利申请。

本一种多对比学习冠状动脉高危斑块检测方法、系统及终端在说明书摘要公布了：本发明属于医学图像处理、计算机辅助诊断技术领域，公开了一种多对比学习冠状动脉高危斑块检测方法、系统及终端，在三维医学扫描数据上，沿医生标记的冠状动脉中心线点提取二维图像序列作为样本，划分样本数据集；以冠状动脉二维图像序列样本作为输入，图像是否含有高危斑块作为输出，构建基于Transformer的多对比学习冠状动脉高危斑块检测网络，实现冠脉高危斑块检测。本发明的冠状动脉高危斑块检测方法不需要对提取的数据样本进行标注，避免了标注误差；使用大量无标记的数据训练基于Transformer的多路孪生网络，有助于提高网络生成特征表示的能力；通过特征重编码生成病人级别特征表示用于最终预测，缩短工作时间。

本发明授权一种多对比学习冠状动脉高危斑块检测方法、系统及终端在权利要求书中公布了：1.一种多对比学习冠状动脉高危斑块检测方法，其特征在于，多对比学习冠状动脉高危斑块检测方法包括：在三维医学扫描数据上，沿医生标记的冠状动脉中心线点提取二维图像序列作为样本，划分样本数据集；以冠状动脉二维图像序列样本作为输入，图像是否含有高危斑块作为输出，构建基于Transformer的多对比学习冠状动脉高危斑块检测网络，实现冠脉高危斑块检测； 其中，基于Transformer的多对比学习冠状动脉高危斑块检测网络包括两部分，第一部分是图像序列特征提取的多路孪生网络，第二部分为特征重编码和高危斑块检测网络；训练数据被送入多路孪生网络中，计算损失函数训练网络模型，训练好的多路孪生网络模型的一条支路被用作图像序列特征提取器，提取所有图像序列的特征；将每个图像序列生成的新的特征进行特征重编码，生成属于每个病人的特征向量；将病人级别的特征向量送入机器学习模型中训练，训练好的网络模型在测试集上进行预测，完成冠状动脉高危斑块检测任务； 多对比学习冠状动脉高危斑块检测方法包括以下步骤： 步骤一，对原始医学图像进行预处理，包括截取目标病变血管段导出为医学数字成像和通信数据集；调整图像的窗位和窗宽，对预处理后的数据手工标注冠状动脉血管中心线；沿着冠脉血管中心线点提取长度为N的图像序列作为样本；提取的所有医学图像的二维图像序列构成样本数据集，并划分训练集、验证集和测试集； 步骤二，以M个冠状动脉二维图像序列作为输入，不同图像序列的低维特征表示作为输出，构建基于Transformer的多路孪生网络，网络结构由M个结构相同权重共享的分支组成，每个分支包含N个并行的二维卷积神经网络和Transformer结构；构造N个并行的二维卷积神经网络，分别学习图像序列上每张二维图像的特征表示，提取图像序列上的局部信息；构造Transformer结构，将N个并行二维卷积神经网络提取到的局部特征信息融合，获得图像序列的全局特征表示； 步骤三，将训练数据集送入基于Transformer的多路孪生网络，遍历训练数据集并训练网络，使用余弦相似度损失作为网络的损失函数；使用反向传播算法将误差反向传播至顶层卷积层，梯度下降法更新网络参数，直至网络收敛； 步骤四，使用训练完成的基于Transformer的多路孪生网络的一条分支作为图像序列的特征提取器，将所有病人的图像序列作为输入送入分支中，提取得到对应图像序列的特征表示； 步骤五，特征重编码，对训练集中所有特征表示使用K-Means聚类方法进行聚类分析，保存生成K个聚类中心及每个特征表示所属的聚类类别；为每个患者创建唯一的特征向量，统计每个病人的特征表示属于每个聚类类别的数量，作为创建的特征向量对应位置的权重，特征向量是病人新的特征表示； 步骤六，将生成的病人级别的特征表示作为输入，是否患有高危斑块疾病作为输出，训练XGBoost分类模型；将验证集数据集送入训练模型中，评估模型性能，选出效果最佳的模型参数； 步骤七，将测试数据送入训练好的模型中，由基于Transformer的多路孪生网络提取特征表示；计算每个特征表示距离最近的聚类中心，生成测试集病人的特征向量；由XGBoost分类器得到预测结果，评估网络性能。

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西北大学，其通讯地址为：710127 陕西省西安市雁塔区太白北路229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。