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！

龙图腾网获悉长沙微妙医疗科技有限公司申请的专利基于深度学习的医学影像质量评价方法及系统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：CN117315409B 。

龙图腾网通过国家知识产权局官网在2026-01-06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：202311351174.8，技术领域涉及：G06V10/776；该发明授权基于深度学习的医学影像质量评价方法及系统是由侯锐志;宋涛;宫恩浩;项磊设计研发完成，并于2023-10-18向国家知识产权局提交的专利申请。

本基于深度学习的医学影像质量评价方法及系统在说明书摘要公布了：本申请提供一种基于深度学习的医学影像质量评价方法及系统，该方法包括利用ConvNeXt模型提取医学图像获得局部特征图；利用Transformer模型提取医学图像获得全局特征图；获取第一预测分数；构建相同架构的教师模型和学生模型；迭代训练步骤：将医学图像输入至学生模型获得第二预测分数的高斯向量；根据第一预测分数的向量以及第二预测分数的高斯向量计算损失函数；更新模型步骤：更新学生模型的权重以及教师模型的权重；判断迭代次数是否大于或等于预设次数，若是，保存教师模型的权重，若否，循环特征提取步骤至所述更新模型步骤；将教师模型的权重加载至神经网络模型，获得医学影像质量评价模型；将临床医学图像输入至医学影像质量评价模型获得质量评价。

本发明授权基于深度学习的医学影像质量评价方法及系统在权利要求书中公布了：1.一种基于深度学习的医学影像质量评价方法，其特征在于，包括步骤： 获取医学图像以及对应的标签分数； 特征提取步骤：利用ConvNeXt模型提取所述医学图像的局部特征，并获得局部特征图；同时利用Transformer模型提取所述医学图像的全局特征，并获得全局特征图； 基于可形变卷积融合模型，并利用所述局部特征图与所述全局特征图，获取第一预测分数的高斯向量； 构建两个相同架构的神经网络模型，并分别定义为教师模型以及学生模型； 迭代训练步骤：将所述医学图像输入至所述学生模型，并获得第二预测分数的高斯向量； 根据所述第一预测分数的向量以及所述第二预测分数的高斯向量计算损失函数； 更新模型步骤：基于损失函数计算梯度，并更新所述学生模型的权重以及所述教师模型的权重； 判断迭代次数是否大于或等于预设次数，若是，保存所述教师模型的权重，若否，循环迭代特征提取步骤至所述更新模型步骤； 将保存的所述教师模型的权重加载至所述神经网络模型，获得医学影像质量评价模型； 采集临床医学图像，并将其输入至所述医学影像质量评价模型，获得该临床医学图像的质量评价。

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长沙微妙医疗科技有限公司，其通讯地址为：423000 湖南省长沙市中国(湖南)自由贸易试验区长沙片区雨花区块东山街道湘秀路131号星光名座佳苑10栋2013房0122房；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。