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！

龙图腾网获悉中国医学科学院北京协和医院申请的专利基于超声图像预测剖宫产瘢痕妊娠预后风险的预测模型训练方法及装置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：CN120259183B 。

龙图腾网通过国家知识产权局官网在2026-03-03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：202510230627.4，技术领域涉及：G06T7/00；该发明授权基于超声图像预测剖宫产瘢痕妊娠预后风险的预测模型训练方法及装置是由刘真真;马丽媛;王欣;戴晴;刘冬梅;吴继豪;杨煜清;夏宇;李建初;姜玉新设计研发完成，并于2025-02-28向国家知识产权局提交的专利申请。

本基于超声图像预测剖宫产瘢痕妊娠预后风险的预测模型训练方法及装置在说明书摘要公布了：本申请公开了一种基于超声图像预测剖宫产瘢痕妊娠预后风险的预测模型训练方法及装置。所述方法包括：获取多阶段风险模型以及三图特征融合风险预测模型；获取训练用预测图像组，一个所述训练用预测图像组包括一个GS图、一个RMT图以及一个CDFI图；分别提取每个所述训练用预测图像组的融合特征；通过各个所述融合特征分别对所述多阶段风险模型以及三图特征融合风险预测模型进行训练，从而获取训练后的多阶段风险模型以及训练后的三图特征融合风险预测模型。本申请训练出的两个模型直接使用超声图像分析技术对疾病预后进行预测，不需要超声医生对于病变进行超声分型、对剩余肌层厚度等指标加以测量、对病变血流丰富程度进行分级等，更加方便、快捷。

本发明授权基于超声图像预测剖宫产瘢痕妊娠预后风险的预测模型训练方法及装置在权利要求书中公布了：1.一种基于超声图像预测剖宫产瘢痕妊娠预后风险的预测模型训练方法，在训练过程所使用的每个训练样本由一张完整妊娠囊切面图，称为GS图；一张剩余肌层厚度切面图，称为RMT图；一张瘢痕处CDFI切面图，称为CDFI图；及对应临床治疗预后结局组别构成，其特征在于，所述基于超声图像预测剖宫产瘢痕妊娠预后风险的预测模型训练方法包括： 获取多阶段风险模型以及三图特征融合风险预测模型； 获取训练用预测图像组，一个所述训练用预测图像组包括一个GS图、一个RMT图以及一个CDFI图；选择图像标准如下：1GS图选择病灶最大纵切面，RMT和CDFI图均至少包括能够显示子宫下段肌层最薄部位、兼顾妊娠囊的图像；2剔除探头过度加压病变区，产生形态变化的图像； 将图像导入LabelStudio标注平台，标注团队对每一例图像进行感兴趣区ROI标注；其中，每种切面图像的ROI标注操作标准如下：1GS切面标注方法：用多边形沿妊娠囊外缘进行勾勒，勾勒时放大图像，并在标注标签中选择1GS-MAX；2RMT切面标注方法：先划定Niche，其大小和位置反映病例的憩室，将Niche作为中央格，划定ROI，将妊娠囊或病灶、子宫前壁下段肌层、部分子宫宫腔和宫颈管全部包含在内，并在标注标签中选择2RMT；3CDFI切面标注方法与RMT切面标注方法相同，并在标注标签中选择3CDFI； 分别提取每个所述训练用预测图像组的融合特征； 通过各个所述融合特征分别对所述多阶段风险模型以及三图特征融合风险预测模型进行训练，从而获取训练后的多阶段风险模型以及训练后的三图特征融合风险预测模型； 所述三图特征融合风险预测模型包括图像特征提取模块，所述图像特征提取模块包括基于自然场景ImageNet-1k数据所得权重初始化的ResNet-50模块，且冻结了ResNet-50模块的前三层参数； 所述图像特征提取模块用于分别提取所述GS图、RMT图以及CDFI图的图像特征，且用于提取所述GS图、RMT图以及CDFI图的图像特征的特征提取分支之间参数共享； 所述三图特征融合风险预测模型的损失函数为加权损失函数，在损失计算过程中为少数类分配较高的权重，为多数类分配较低的权重； 所述多阶段风险模型包括第一风险模型以及第二风险模型； 所述第一风险模型以及所述第二风险模型均为二分类模型，其中， 当所述第一风险模型的输出为第一分类结果时，用于获取该第一分类结果的融合特征输入至所述第二风险模型中。

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医学科学院北京协和医院，其通讯地址为：100005 北京市东城区帅府园一号；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。