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！

龙图腾网获悉长春理工大学申请的专利一种轻量化多特征融合的甲状腺结节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：CN120318613B 。

龙图腾网通过国家知识产权局官网在2026-03-13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：202510819540.0，技术领域涉及：G06V10/764；该发明授权一种轻量化多特征融合的甲状腺结节分类方法是由杨絮;王智霖;王雪;安晓峰;丛志斌设计研发完成，并于2025-06-19向国家知识产权局提交的专利申请。

本一种轻量化多特征融合的甲状腺结节分类方法在说明书摘要公布了：一种轻量化多特征融合的甲状腺结节分类方法。涉及医学图像处理技术领域，具体涉及一种轻量化多特征融合的甲状腺结节分类方法技术领域。本发明通过改进Hifuse模型，能够在充分挖掘图像的全局特征和局部特征，实现对甲状腺结节良恶性进行多视角及多方位综合判别的同时，降低参数量和计算复杂度。所述方法包括如下步骤：获取并预处理甲状腺结节超声诊断报告图像数据集；构建并改进Hifuse模；在Hifuse模型中引入影像组学特征学习模块、将局部注意力模块替换为改进后的局部注意力模块以及将全局注意力模块替换为EfficientViM全局提取模块；采用训练完的Hifuse改进模型完成甲状腺结节分类。

本发明授权一种轻量化多特征融合的甲状腺结节分类方法在权利要求书中公布了：1.一种轻量化多特征融合的甲状腺结节分类方法，其特征在于，所述方法包括如下步骤： S1、获取并预处理甲状腺结节超声诊断报告图像数据集，并按7:3比例划分为训练集和测试集； S2、构建并改进Hifuse模型，得到Hifuse改进模型： S21、在Hifuse模型中引入影像组学特征学习模块，影像组学特征学习模块与局部特征提取分支以及全局特征提取分支并行处理Hifuse模型的输入数据； 所述影像组学特征学习模块从输入到输出依次经过影像组学特征提取模块、第一个全连接层和第二个全连接层； 影像组学特征学习模块提取影像组学特征；第一个全连接层对冗余信息进行压缩；第二个全连接层使用Sigmoid激活函数将压缩后的信息维度映射为通道数，得到影像组学特征学习模块的输出； 影像组学特征提取模块使用Pyradiomics方法提取影像组学特征，具体为：影像组学特征提取模块使用Pyradiomics方法对Hifuse模型输入数据进行定量特征工程处理，提取一阶统计特征、纹理特征、形状特征、滤波特征等影像组学特征； 第二个全连接层使用Sigmoid激活函数； 影像组学特征提取模块提取Hifuse模型输入数据中每张图对应的一维数据进行相关性分析，使用基于L1正则化的LASSO回归对提取的影像组学特征进行特征选择，通过交叉验证自动确定最优正则强度参数，去除冗余信息； 影像组学特征学习模块的作用是：提取影像组学特征，并根据影像组学特征引导深度特征注意力分布； S22、在Hifuse模型的局部特征提取分支中，将局部注意力模块替换为改进后的局部注意力模块； 所述改进后的局部注意力模块具体为：在局部注意力模块中的深度可分离卷积之前，添加改进后的动态自适应卷积模块； 所述改进后的动态自适应卷积模块具体为：在动态自适应卷积模块中，将计算宽和高的平均值模块替换为计算纹理复杂度模块； 所述计算纹理复杂度模块通过公式：计算纹理复杂度，其中，表示待提取图像的像素数，表示待提取图像的第个像素，表示第个像素的横向梯度幅值，表示第个像素的纵向梯度幅值； S23、在Hifuse模型的全局特征提取分支中，将全局注意力模块替换为EfficientViM全局提取模块； S3、采用训练集和测试集训练Hifuse改进模型，得到训练完的Hifuse改进模型； S4、采用训练完的Hifuse改进模型完成甲状腺结节分类。

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长春理工大学，其通讯地址为：130022 吉林省长春市卫星路7089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。