Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 重庆大学;重庆大学附属肿瘤医院李芳获国家专利权

重庆大学;重庆大学附属肿瘤医院李芳获国家专利权

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!

龙图腾网获悉重庆大学;重庆大学附属肿瘤医院申请的专利基于造影图像特征提取的前列腺癌病灶检测模型构建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:CN116109603B

龙图腾网通过国家知识产权局官网在2026-02-17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:202310142454.1,技术领域涉及:G06T7/00;该发明授权基于造影图像特征提取的前列腺癌病灶检测模型构建方法是由李芳;尹宏鹏;宫佳奇;周航;罗丽;洪睿霞;李颖;赵怀;石浩设计研发完成,并于2023-02-21向国家知识产权局提交的专利申请。

基于造影图像特征提取的前列腺癌病灶检测模型构建方法在说明书摘要公布了:本发明公开了一种基于造影图像特征提取的前列腺癌病灶检测模型构建方法,属于图像处理领域,包括以下步骤:建立训练样本、建立前列腺癌病灶检测模型与训练前列腺癌病灶检测模型;前列腺肿瘤检测模型包含时空特征提取网络及目标检测网络。在建立训练样本中采用基于时间强度曲线校正算法能自动提取超声造影视频中动脉血管微泡由显现到峰值时间片段,对前列腺肿瘤检测变得更加敏感。本发明前列腺癌病灶检测模型凭借三维深度学习的优势,能够丰富地提取训练样本中的时空特征和前列腺癌病灶,能适应不同大小的前列腺癌病灶,并且利用了超声造影的动态特性,进而能够提升对病灶的预测准确度。

本发明授权基于造影图像特征提取的前列腺癌病灶检测模型构建方法在权利要求书中公布了:1.基于造影图像特征提取的前列腺癌病灶检测模型构建方法,其特征在于:包括以下步骤: S1:建立训练样本集: S11:对前列腺超声造影视频进行基于时间强度曲线校正算法的时间选取,得到前列腺动脉血管中超声造影微泡从浮现至达到峰值的视频片段; S12:对选取的视频片段包含的视频帧进行组别划分:根据同一靶区微泡密度及大小变化进行组别确定,将微泡密度及大小前后变化较小的视频帧收录到同一组; S13:从每个视频帧组中分别选取一张超声造影图像进行人工标注:在选取的图像中找到前列腺癌病灶靶区位置,在靶区找到异构的微泡血管架构区域,在异构的微泡血管架构区域绘制感兴趣区域,生成检测框,包括生成检测框的坐标及偏移量,并根据病理结果对感兴趣区域做显著与非显著二分类; S14:对所有视频帧组中的图像进行锐化处和像素值归一化处理; S2:建立前列腺癌病灶检测模型,所述前列腺癌病灶检测模型包括时空特征提取网络和目标检测网络; 所述时空特征提取网络结构包括编码部分、直连部分和解码部分; 所述编码部分以视频帧组作为输入,编码部分通过第一三维卷积模块对输入的视频帧组提取出特征图,并将提取出的特征图计作第一编码块;然后编码部分再通过第二三维卷积模块对第一编码块进行下采样,并通过三维多分支堆叠模块对第二三维卷积模块的输出提取特征图,并将提取到的特征图计作第二编码块;然后编码部分再通过第三三维卷积模块对第二编码块进行下采样,并通过三维多分支堆叠模块对第三三维卷积模块的输出提取特征图,并将提取到的特征图计作第三编码块;然后编码部分再通过第四三维卷积模块对第三编码块进行下采样,并通过三维多分支堆叠模块对第四三维卷积模块的输出提取特征图,并将提取到的特征图计作第四编码块;最后编码部分还通过降维模块将第四编码块下采样成三维特征图输出; 所述直连部分将第一编码块、第二编码块、第三编码块和第四编码块与解码部分连接; 所述解码部分通过第一二维卷积模块对降维模块输出的三维特征图上采样,上采样后的特征图与第四编码块堆叠,堆叠后的特征图经二维多分支堆叠模块提取出特征图,提取出的特征图计作第一解码块;然后解码部分通过第二二维卷积模块对第一解码块上采样,上采样后的特征图与第三编码块堆叠,堆叠后的特征图经二维多分支堆叠模块提取出特征图,提取出的特征图计作第二解码块;然后解码部分通过第三二维卷积模块对第二解码块上采样,上采样后的特征图与第二编码块堆叠,堆叠后的特征图经二维多分支堆叠模块提取出特征图,提取出的特征图计作第三解码块;然后解码部分通过第四二维卷积模块对第三解码块上采样,上采样后的特征图与第一编码块堆叠,堆叠后的特征图经二维多分支堆叠模块提取出特征图,提取出的特征图计作第四解码块; 所述解码部分将第四解码块输出给二维卷积模块,二维卷积模块的输出作为sigmoid函数的输入,sigmoid函数的输出作为目标检测网络的输入; S3:训练前列腺癌病灶检测模型:将训练样本集中的视频帧组输入前列腺癌病灶检测模型,时空特征提取网络的输出图像放进目标检测网络,目标检测网络对前列腺癌的病灶特征进行提取学习,最终得到训练合格的前列腺癌病灶检测模型。

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重庆大学;重庆大学附属肿瘤医院,其通讯地址为:400030 重庆市沙坪坝区沙正街174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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。