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！

龙图腾网获悉中国人民解放军空军军医大学申请的专利一种基于医学影像的多部位骨折的并行识别系统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：CN120852429B 。

龙图腾网通过国家知识产权局官网在2025-12-09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：202511363671.9，技术领域涉及：G06T7/00；该发明授权一种基于医学影像的多部位骨折的并行识别系统及方法是由柴娜;杜希娜;李天云;贾钰杨;黄倩倩;王志炜设计研发完成，并于2025-09-23向国家知识产权局提交的专利申请。

本一种基于医学影像的多部位骨折的并行识别系统及方法在说明书摘要公布了：本发明涉及医学影像处理与人工智能技术领域，具体涉及一种基于医学影像的多部位骨折的并行识别系统及方法，包括：影像预处理模块,用于获取原始CT影像序列,并对所述原始CT影像序列进行标准化处理，输出标准化的三维影像数据体；基础识别增强模块,用于处理所述三维影像数据体,生成增强特征图；纹理复杂度评估模块,用于处理所述三维影像数据体,生成控制信号；自适应识别模块,用于组合所述三维影像数据体与所述增强特征图,响应于所述控制信号,执行并行识别输出并行识别结果；诊断报告生成模块,用于汇总所述并行识别结果,生成结构化的骨折诊断报告，本发明实现对多部位骨折的一次性、高效的并行筛查与诊断，提升了临床诊断效率与准确性。

本发明授权一种基于医学影像的多部位骨折的并行识别系统及方法在权利要求书中公布了：1.一种基于医学影像的多部位骨折的并行识别系统,其特征在于,包括： 影像预处理模块,用于获取原始CT影像序列,并对所述原始CT影像序列进行标准化处理,输出标准化的三维影像数据体； 基础识别增强模块,用于处理所述三维影像数据体,生成增强特征图； 纹理复杂度评估模块,用于处理所述三维影像数据体,生成控制信号； 自适应识别模块,用于组合所述三维影像数据体与所述增强特征图,响应于所述控制信号,执行并行识别输出并行识别结果； 诊断报告生成模块,用于汇总所述并行识别结果,生成结构化的骨折诊断报告； 所述基础识别增强模块包括： 确定每个体素的局部骨密度分布因子； 确定所述每个体素的三维解剖重叠系数； 基于所述局部骨密度分布因子与所述三维解剖重叠系数,生成所述增强特征图； 所述三维解剖重叠系数的确定包括：采用骨骼实例分割模型对所述三维影像数据体进行处理,识别独立的骨骼；基于与所述体素的距离小于预设距离阈值的所述独立骨骼的数量,计算所述三维解剖重叠系数； 局部骨密度分布因子旨在量化骨质的连续性，其设计借鉴了统计学中的异常检测思想，通过下式捕捉骨折线导致的局部CT值异常： ； 其中，是体素的CT值； 是体素的一个三维邻域； 和分别是该邻域内所有体素CT值的均值和方差； 是一个用于保证计算稳定性的极小正常数，其量纲与方差相同；当体素因骨折而使其CT值远低于邻域均值时，的值趋近于1，反之在均匀骨质区则趋近于0； 三维解剖重叠系数计算公式： ； 其中，是与体素的距离小于预设距离阈值的独立骨骼的数量，该阈值是临床经验参数； 是当前感兴趣区域ROI内分割出的独立骨骼总数； 所述控制信号为多尺度纹理复杂度指数； 其中,所述多尺度纹理复杂度指数是通过对所述三维影像数据体的感兴趣区域进行多级三维离散小波变换,并对变换后小波系数值进行加权求和而生成的； 多尺度纹理复杂度指数计算公式如下： ； 代表一个感兴趣区域，为整个三维影像数据体或其子块； 为区域的多尺度纹理复杂度指数，是一个无量纲标量； 为三维离散小波变换的分解层数，取3或4； 为对区域进行层3D‑DWT后，在第分解层、第中空间位置  处的小波系数值； 代表在第分解尺度下感兴趣区域所对应小波系数集合，而则为该集合中系数的总数量，用于归一化计算平均能量； 对数函数用于压缩能量数值的动态范围，增强指数的敏感度； 为下标c遍历当前分解层级下的全部7个高频子带； 为不同分解尺度的权重，满足； 所述自适应识别模块包括预设的深度卷积神经网络；其中,所述自适应识别模块的并行识别执行过程包括：利用所述控制信号与预设的可学习参数生成调制因子；采用所述调制因子对所述深度卷积神经网络内的特征图进行调制； 所述自适应识别模块包括多头输出结构；其中,所述多头输出结构中的每个头均用于负责特定解剖部位的骨折分类与分割,输出所述并行识别结果。

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国人民解放军空军军医大学，其通讯地址为：710032 陕西省西安市新城区长乐西路127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。