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！

龙图腾网获悉中国人民解放军总医院第六医学中心申请的专利一种基于影像组学与深度学习的头颈鳞癌早期识别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：CN121095291B 。

龙图腾网通过国家知识产权局官网在2026-02-27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：202511245101.X，技术领域涉及：G06T7/30；该发明授权一种基于影像组学与深度学习的头颈鳞癌早期识别方法是由吴成林;王楠;刘剑飞;左拥军设计研发完成，并于2025-09-02向国家知识产权局提交的专利申请。

本一种基于影像组学与深度学习的头颈鳞癌早期识别方法在说明书摘要公布了：本发明涉及医学图像处理与肿瘤智能分级识别技术领域，公开了一种基于影像组学与深度学习的头颈鳞癌早期识别方法，包括：获取头颈部CT、MRI和PET三模态影像数据；采用两阶段动态结构对齐机制进行配准；提取融合影像组学特征；构建肿瘤子特征图；通过不确定性预测模型输出肿瘤等级及预测置信度；生成显著性解释热图。相较于现有技术中多依赖单模态影像或浅层纹理特征提取模型，尤其在异质性肿瘤区域边界模糊、不同的模态存在显著结构偏移的条件下，无法实现对肿瘤真实分期状态的高置信度精准判别的技术问题，由于本申请通过引入显著性引导配准机制和改进图卷积神经网络并结合Dropout推理，提高了对头颈鳞癌早期分期识别的准确性。

本发明授权一种基于影像组学与深度学习的头颈鳞癌早期识别方法在权利要求书中公布了：1.一种基于影像组学与深度学习的头颈鳞癌早期识别方法，其特征在于，方法包括： 步骤S10：获取包括CT、MRI和PET的三模态影像组学数据，针对三模态影像组学数据采用两阶段的动态结构对齐机制进行影像配准，输出融合影像组学数据；其中，动态结构对齐机制包括全局刚性配准阶段和非刚性形变配准阶段，并在非刚性形变配准阶段中引入了显著性引导机制； 步骤S20：对融合影像组学数据进行特征提取，并将提取的特征输入预设的多分支的神经网络结构，输出肿瘤区域的深度特征张量；针对肿瘤区域的深度特征张量通过基于跨模态引导注意机制与模态自适应融合机制进行处理，得到融合影像组学特征； 步骤S30：根据融合影像组学特征采用k-means法进行分割聚类，得到k个子特征区域，以k个子特征区域为节点构建肿瘤子特征图G，在肿瘤子特征图G的基础上设计改进图卷积神经网络GCN，改进图卷积神经网络GCN输出肿瘤异质性表示向量； 步骤S40：基于肿瘤异质性表示向量联合融合影像组学特征训练预设的顺序感知的不确定性分级识别模型，模型输出包括预测等级标签与对应的不确定性指标； 其中，不确定性分级识别模型在训练阶段还引入Dropout机制，并在Dropout机制控制下，推理阶段多次采样推断预测均值与预测熵，将预测熵值作为对应的不确定性指标，，其中为c次前向推理采样后的平均预测分布，用于量化当前分期判断的置信度波动程度； 步骤S50：基于预测等级标签与对应的不确定性指标结合肿瘤子特征图G，生成显著性解释热图，显著性解释热图包括三模态显著区域高亮、子区域重要性可视化和输出解释性语句。

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中国人民解放军总医院第六医学中心，其通讯地址为：100048 北京市海淀区阜成路6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。