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！

龙图腾网获悉四川大学申请的专利一种基于自监督迁移学习的盆底功能障碍评估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：CN116849697B 。

龙图腾网通过国家知识产权局官网在2025-12-30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：202310580902.6，技术领域涉及：A61B8/00；该发明授权一种基于自监督迁移学习的盆底功能障碍评估方法是由吕建成;李世昌;杨帆;邬鸿杰;罗红;张林设计研发完成，并于2023-05-22向国家知识产权局提交的专利申请。

本一种基于自监督迁移学习的盆底功能障碍评估方法在说明书摘要公布了：本发明提出了一种基于自监督迁移学习的盆底功能障碍评估方法，涉及医学影像诊断技术领域，包括：获取盆底超声图像和ImageNet‑1K数据集，并进行数据预处理；根据数据预处理后的ImageNet‑1K数据集建立神经网络模型，并进行自监督预训练以得到预训练后的神经网络模型；基于预训练后的神经网络模型对数据预处理后的盆底超声图像进行自监督预训练；提取预训练后神经网络模型中的编码器以得到超声图像的图像特征，并通过二分类全连接神经网络建立盆底功能障碍评估分类模型，利用盆底功能障碍评估分类模型进行盆底功能障碍评估；本发明通过迁移学习来解决盆底功能障碍的检测问题，所得到的模型分类精确度更高，泛化性能更好。

本发明授权一种基于自监督迁移学习的盆底功能障碍评估方法在权利要求书中公布了：1.一种电子设备，其特征在于，包括： 存储器，用于存储一个或多个程序； 处理器； 当所述一个或多个程序被所述处理器执行时，实现如一种基于自监督迁移学习的盆底功能障碍评估方法；其中一种基于自监督迁移学习的盆底功能障碍评估方法包括以下步骤： S1、获取盆底超声图像和ImageNet-1K数据集，并进行数据预处理； S2、根据数据预处理后的ImageNet-1K数据集建立神经网络模型，并进行自监督预训练以得到预训练后的神经网络模型； S3、基于预训练后的神经网络模型对数据预处理后的盆底超声图像进行自监督预训练； S4、提取预训练后神经网络模型中的编码器以得到超声图像的图像特征，并通过二分类全连接神经网络建立盆底功能障碍评估分类模型，利用盆底功能障碍评估分类模型进行盆底功能障碍评估； 步骤S2包括以下分步骤： S21、基于数据预处理后的ImageNet-1K数据集建立神经网络模型，采用ViT模型作为编码器将数据预处理后的ImageNet-1K数据集的图片放入编码器中拆分为多个图片块； S22、通过编码器的嵌入层获取每个图片块的特征表示； S23、根据预先设定的遮盖比例对图片进行遮盖； S24、对遮盖后的图片加入辅助的cls特征以得到输入特征； S25、将输入特征输入编码器的自注意力层中进行交互计算以得到编码器的输出特征； S26、在编码器的输出特征中加入随机噪声向量，并输入解码器的注意力层中进行处理得到特征向量； S27、在解码器得到的特征向量中取出被遮盖的图片块对应的特征向量，并利用一个全连接层预测图片块原来的图像以得到预测图像块的像素值； S28、对神经网络模型进行自监督预训练，通过反向传播算法不断优化神经网络模型的损失函数，调整神经网络模型的参数，得到提取模型特征的编码器和还原图片的解码器，从而得到自监督预训练后的神经网络模型； 所述交互计算的计算过程包括： ， ， ， 其中，q、k、v为三个特征向量，D为特征维度，i表示图片块的编号，，，分别表示q、k、v的线性映射，表示、的维度大小为D×D，j表示第j层注意力层，表示函数，T表示转置，表示注意力值，表示神经网络，表示输出特征； 步骤S4包括以下分步骤： S41、提取预训练后神经网络模型中的编码器以得到超声图像的图像特征； S42、通过二分类全连接神经网络在带有图像特征的盆底超声图像上进行分类训练以建立盆底功能障碍评估分类模型，通过反向传播算法不断优化盆底功能障碍评估分类模型的损失函数来调整模型的分类网络参数； S43、利用调整好分类网络参数的盆底功能障碍评估分类模型进行盆底功能障碍评估以得到盆底功能障碍评估结果。

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四川大学，其通讯地址为：610000 四川省成都市一环路南一段24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。