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！

龙图腾网获悉秦皇岛市第一医院申请的专利基于深度学习的前列腺癌图像识别分类模型的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：CN120894635B 。

龙图腾网通过国家知识产权局官网在2026-02-24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：202511068624.1，技术领域涉及：G06V10/764；该发明授权基于深度学习的前列腺癌图像识别分类模型的构建方法是由王海诚;谢妹伊;王白冰设计研发完成，并于2025-07-31向国家知识产权局提交的专利申请。

本基于深度学习的前列腺癌图像识别分类模型的构建方法在说明书摘要公布了：本发明涉及医学影像处理技术领域，尤其涉及一种基于深度学习的前列腺癌图像识别分类模型的构建方法。所述方法包括以下步骤：获取标准化多模态影像集；根据标准化多模态影像集构建区域间特性比值图谱；根据区域间特性比值图谱构建区域物理特征张量；将标准化多模态影像集划分为外周带、移行带和中央带三个区域，引入解剖学先验知识作为约束条件，根据区域物理特征张量进行非线性映射函数构建，得到形态物理映射函数集；根据区域物理特征张量和形态物理映射函数集生成形态物理联合特征图；根据形态物理联合特征图构建物理特性递进约束集。本发明通过多物理参数融合和解剖学约束的分类方法提高了前列腺癌图像识别分类的准确性、鲁棒性和可解释性。

本发明授权基于深度学习的前列腺癌图像识别分类模型的构建方法在权利要求书中公布了：1.一种基于深度学习的前列腺癌图像识别分类模型的构建方法，其特征在于，包括以下步骤： 步骤S1：获取标准化多模态影像集；根据标准化多模态影像集构建区域间特性比值图谱；根据区域间特性比值图谱构建区域物理特征张量； 步骤S2：将标准化多模态影像集划分为外周带、移行带和中央带三个区域，引入解剖学先验知识作为约束条件，根据区域物理特征张量进行非线性映射函数构建，得到形态物理映射函数集；根据区域物理特征张量和形态物理映射函数集生成形态物理联合特征图； 步骤S3：根据形态物理联合特征图构建物理特性递进约束集；根据物理特性递进约束集对形态物理联合特征图进行外周带优先分割，得到外周带分割掩模图；根据外周带分割掩模图进行移行带条件分割，得到移行带分割掩模图；根据移行带分割掩模图进行中央带边界确定与物理特性分布映射，得到区域物理特性分布图； 步骤S4：对区域物理特性分布图进行深度学习特征优化，得到深度特征增强图；对深度特征增强图进行微-中-宏观递进验证与评分，得到区域分类可信度指数。

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秦皇岛市第一医院，其通讯地址为：066000 河北省秦皇岛市海港区文化路258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。