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！

龙图腾网获悉南京信息工程大学申请的专利基于LBP提取和TCNN神经网络的脑部纹理分析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：CN116994060B 。

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：202311032394.4，技术领域涉及：G06V10/764；该发明授权基于LBP提取和TCNN神经网络的脑部纹理分析方法是由张小瑞;卢培森;孙伟;张小娜设计研发完成，并于2023-08-16向国家知识产权局提交的专利申请。

本基于LBP提取和TCNN神经网络的脑部纹理分析方法在说明书摘要公布了：本发明公开了基于LBP提取和TCNN神经网络的脑部纹理分析方法，将MRI影像使用MIPAV软件进行预处理，将预处理后的影像配准到标准脑模板空间MNI上，使用Min‑Max进行标准化处理；使用圆形LBP方法对MRI影像进行纹理特征提取，利用双线性插值的方法计算其灰度值；将进行过特征提取的脑部纹理输入由Transformer和CNN组成的神经网络TCNN中，进行纹理分类；根据原始MRI影像和纹理特征提取后的图像计算损失函数，并采用反向传播算法更新参数，直到满足设定的训练次数，本发明所设计的方法采用一种新的神经网络架构TCNN进行纹理分类，提高脑部纹理特征提取和分类的准确性，具有现实意义和良好前景。

本发明授权基于LBP提取和TCNN神经网络的脑部纹理分析方法在权利要求书中公布了：1.基于LBP提取和TCNN神经网络的脑部纹理分析方法，其特征在于，包括如下步骤S1-步骤S5，完成脑部结构磁共振影像中的纹理提取和分类： 步骤S1：采集脑部结构磁共振影像，使用MIPAV软件进行预处理，分别将预处理后的脑部结构磁共振影像配准到标准脑模板空间MNI上，统一各脑部结构磁共振影像的坐标空间，使用Min-Max进行标准化处理； 步骤S2：构建脑部纹理特征提取模型，针对步骤S1所获得的脑部结构磁共振影像，采用圆形LBP方法进行纹理特征提取，由于采样点是在圆上分布的，所以不能保证每一个采样点的坐标都是整数，对于坐标为整数的采样点，直接代入公式计算，对于非整数坐标的采样点，将坐标上下取整，用双线性插值法计算其灰度值； 步骤S3：基于TCNN神经网络构建脑部纹理分类模型，以经过纹理特征提取的脑部结构磁共振影像为输入，以脑部结构磁共振影像中的纹理对应的纹理类型为输出，完成纹理分类； 步骤S3中的基于Transformer网络和CNN神经网络构建脑部纹理分类模型，图像会被分割为多个patch，i表示为patch中任意一个位置，j为以i为中心的3×3邻域中的任意位置，其注意力模块引入深度卷积，深度卷积表示为下式： 其中，Yu是位置i的输出，是位置i的局部邻域,wi-j是位置i与位置j之间的权重矩阵,Xj是位置j的输入；相比之下，self-attention允许感受野不是局部邻域，并基于成对相似性计算权重； 脑部纹理分类模型的softmax函数如下式： 其中，Yj表示位置j的输出，n表示输入经过全局空间的某个位置，l也表示输入经过全局空间的某个位置，表示全局空间，Xj是位置j的输入，T表示矩阵的转置，Xn是位置n的输入，Xl是位置l的输入； 将每个patch与同一图像中的其他patch进行比较，以产生一个自适应注意力矩阵，在softmax初始化之后或之前将全局静态卷积核与自适应注意力矩阵相加，具体如下式： 其中，表示该函数的输出，post代表反演公式，n表示输入经过全局空间的某个位置，T表示矩阵的转置，l也表示输入经过全局空间的某个位置，Xj是位置j的输入，Xn是位置n的输入，Xl是位置l的输入，wj-n是位置j与位置n之间的权重矩阵； 步骤S4：对脑部纹理分类模型进行训练，根据原始脑部结构磁共振影像和纹理特征特征提取后的图像计算脑部纹理分类模型的损失函数，并采用反向传播算法更新权重参数； 步骤S5：重复步骤S4，直至达到预设的训练次数，完成脑部纹理分类模型的训练，应用训练好的脑部纹理分类模型，完成脑部结构磁共振影像中的纹理提取和分类。

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信息工程大学，其通讯地址为：210032 江苏省南京市江北新区宁六路219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。