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！

龙图腾网获悉电子科技大学申请的专利一种基于卷积神经网络的多级医学图像分类模型建立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：CN117292203B 。

龙图腾网通过国家知识产权局官网在2025-12-12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：202311342135.1，技术领域涉及：G06V10/764；该发明授权一种基于卷积神经网络的多级医学图像分类模型建立方法是由李建平;阿明·哈克;布雷斯·劳德;沙克尔·汗;苏丹·艾哈迈德;科比纳·伯纳德·马乌利;里亚兹·乌拉·汗设计研发完成，并于2023-10-16向国家知识产权局提交的专利申请。

本一种基于卷积神经网络的多级医学图像分类模型建立方法在说明书摘要公布了：本发明涉及医疗数据分析技术领域，具体为一种基于卷积神经网络的多级医学图像分类模型建立方法，本发明首先将数据集中的图像的主类区分出来；在获得其主类后，分析图像的原始残差特征，与来自完全连接层的张量相连接；再使输出程序通过CNN注意力栈区程序块，然后区分出它的子类。通过这个过程，本发明能更有效地给出医疗条件的主类和子类。通过借用深度学习技术和应用于图像数据的迁移学习技术，解决了当下诊断系统在物联网医疗中具有预测精确度低和实施复杂等局限性。在医疗物联网领域，该模型也能为医务工作者诊断医疗状况时提供了更好的支持。

本发明授权一种基于卷积神经网络的多级医学图像分类模型建立方法在权利要求书中公布了：1.一种基于卷积神经网络的多级医学图像分类模型建立方法，其特征在于，包括步骤： S1：建立初始图像分类模型； S2：通过迁移学习提高图像分类模型的分类性能； S3：对数据进行预处理和扩充； S4：建立模型评估标准； S5：生成实际图像分类模型； 所述S2包括步骤： S21：预训练ResNet50架构； S22：通过预训练模型得到的上层参数初始化相同的网络结构，再使用ResNet50模型从预训练模型转移到第四卷积层为止的上层参数； S23：数据预处理与判别特征学习； S24：主类预测，将医学图像输入到ResNet50模型中以提取高级特征； S25：子类预测，将主类预测的全连接层特征与原始ResNet50特征级串联并进行特征提取识别； S26：将提取的特征权重传输至初始图像分类模型； 所述S24中包括步骤： S241：将医学图像输入到ResNet50模型中以提取高级特征； S242：将特征馈送到具有自注意力机制和全局平均池化的卷积层中，以提取判别特征并降低空间维度； S243：将连接的特征馈送到全连接层和归一化指数函数中激活，以获得每个主要类别的概率； 所述S25中包括步骤： S251：将来自主类预测的全连接层特征与原始ResNet50特征级串联并行特征提取识别； S252：使用具有自注意力机制和全局平均池化的卷积层来进一步特征提取识别； S253：将特征馈送到全连接层和归一化指数函数中激活，以获得所选主类内每个子类的概率。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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。