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！

龙图腾网获悉华东交通大学申请的专利一种基于特征融合的深度学习图像多标记分类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：CN121033553B 。

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：202511555065.7，技术领域涉及：G06V10/764；该发明授权一种基于特征融合的深度学习图像多标记分类方法是由余鹰;李博文设计研发完成，并于2025-10-29向国家知识产权局提交的专利申请。

本一种基于特征融合的深度学习图像多标记分类方法在说明书摘要公布了：本发明公开了一种基于特征融合的深度学习图像多标记分类方法，涉及图像多标记分类技术领域，针对医疗影像中病灶分布复杂、形态差异显著的特点，融合结构性与语义性信息提升分类精度。通过病灶掩膜计算病灶尺寸占比与空间分布离散度，引导特征处理模式与融合策略动态调整；引入病灶尺寸－处理模式映射关系表，提升特征提取的针对性；构建结合病灶分布离散度与连通域数量的权重分配函数，实现动态、细粒度的特征图融合。该方法有效增强了模型对多病灶区域信息的表达能力，提升多标记分类在复杂病灶影像中的适应性与判别性能。

本发明授权一种基于特征融合的深度学习图像多标记分类方法在权利要求书中公布了：1.一种基于特征融合的深度学习图像多标记分类方法，其特征在于：包括： 获取医疗影像的像素矩阵数据，通过预训练的病灶分割模型生成病灶掩膜数据； 根据所述病灶掩膜数据计算病灶尺寸占比和病灶空间分布离散度； 将所述医疗影像的像素矩阵数据输入主干网络提取基础特征图、语义特征图； 基于所述病灶尺寸占比的取值区间，查询预设的病灶尺寸－处理模式映射关系表，选择对应的特征处理模式执行操作生成动态特征图； 根据病灶空间分布离散度的数值区间划分，建立与病灶空间分布特性匹配的权重分配策略函数； 通过所述权重分配策略函数将病灶空间分布离散度映射至区间，生成权重初值； 根据单位面积内病灶连通域数量对权重初值进行加权线性融合，输出最终融合权重； 按最终融合权重融合所述动态特征图与语义特征图，生成融合特征图，并基于所述融合特征图输出多标记分类结果； 根据单位面积内病灶连通域数量对权重初值进行加权线性融合包括： 统计病灶掩膜数据中的连通域总数，计算单位面积内连通域数量，其中面积基准为图 像有效诊断区域； 当低于密度阈值时，生成固定增益因子； 当高于密度阈值时，生成与正相关的弹性增益因子； 将权重初值与固定增益因子或弹性增益因子相乘，对乘积结果进行区间截断处 理，输出最终融合权重； 所述权重分配策略函数的构建包括以下步骤： 设定第一边界值及第二边界值，将离散度的取值域划分为第一区间、第二区间及第三区间； 所述第一区间配置第一参数组，生成快速响应低离散度的权重分配策略函数； 所述第二区间配置第二参数组，生成平滑过渡的权重分配策略函数； 所述第三区间配置第三参数组，生成快速响应高离散度的权重分配策略函数； 基于所选参数组构建单调递增连续函数，满足： 当病灶空间分布离散度趋近0时函数输出值趋近0； 当病灶空间分布离散度趋近1时函数输出值趋近1； 在所述第一区间内函数输出值增速递减； 在所述第三区间内函数输出值增速递增； 所述病灶空间分布离散度的计算方式为： 识别掩膜中所有病灶连通域； 计算各连通域最小外接圆半径的算术平均值； 计算医疗影像的像素矩阵数据中图像的对角线长度，将算术平均值与对角线长度的比值作为病灶空间分布离散度； 选择对应的特征处理模式执行操作生成动态特征图包括： 若病灶尺寸占比低于第一预设阈值，则对基础特征图执行空洞卷积操作生成动态特征图； 若病灶尺寸占比高于第二预设阈值，则对基础特征图执行自适应池化操作生成动态特征图； 否则对所述基础特征图执行标准卷积操作生成动态特征图。

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华东交通大学，其通讯地址为：330044 江西省南昌市经济技术开发区双港东大街808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。