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！

龙图腾网获悉杭州电子科技大学申请的专利一种基于乳腺磁共振影像的多区域融合分类方法及系统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：CN121415163B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202511985777.2，技术领域涉及：G06V10/764；该发明授权一种基于乳腺磁共振影像的多区域融合分类方法及系统是由范明;徐文帅;曹晅;檀韬;厉力华设计研发完成，并于2025-12-26向国家知识产权局提交的专利申请。

本一种基于乳腺磁共振影像的多区域融合分类方法及系统在说明书摘要公布了：本发明公开一种基于乳腺磁共振影像的多区域融合分类方法及系统，该方法首先获取乳腺癌病人的MRI影像数据和对应的真实肿瘤掩膜标签，并对MRI影像数据进行预处理，并划分为训练集和测试集，并对训练集的样本数据做数据增强处。其次增强后的训练集数据通过扩散模型，实现肿瘤区域图像与腺体区域图像的分解。然后将得到的肿瘤区域图像与腺体区域图像分别输入到改进后的DBCViT中，通过分类器进行分类，得到分类结果。最后由训练集对改进后的DBCViT进行训练，并利用测试集进行性能测试。本发明有效提高了乳腺癌磁共振影像的分类准确性，帮助医生甚至人工智能做出更准确的判断。

本发明授权一种基于乳腺磁共振影像的多区域融合分类方法及系统在权利要求书中公布了：1.一种基于乳腺磁共振影像的多区域融合分类方法，其特征在于，包括以下步骤： 步骤一：获取乳腺癌病人的MRI影像数据和对应的真实肿瘤掩膜标签，并对MRI影像数据进行预处理，获取多通道MRI影像序列； 步骤二：将预处理后的影像序列划分为训练集和测试集，并对训练集的样本数据做数据增强处理； 步骤三：增强后的训练集数据通过扩散模型，实现肿瘤区域图像与腺体区域图像的分解； 步骤四：将得到的肿瘤区域图像与腺体区域图像分别输入到改进后的DBCViT中，通过分类器进行分类，得到分类结果，具体实现过程如下： 分别对肿瘤区域图像和腺体区域图像两个分支进行特征提取，每个分支结构相同，包括级联的双粒度特征融合模块和卷积注意力模块，最终分别得到两个诊断信息的特征图； 对两个分支输出的特征图进行线性投影，得到相应嵌入维度的特征向量，然后在特征向量中加入位置编码PE和分类标记，将其作为各自分支的Transformer编码器的输入； 对肿瘤区域图像分支经过N个Transformer编码器提取肿瘤影像特征F1，对腺体区域图像分支经过M个Transformer编码器提取腺体特征F2，将提取到的肿瘤影像特征和腺体特征通过交叉注意力特征融合模块CAFFM进行特征融合，融合后的特征分别输入两个分支后续的Transformer编码器，之后将F1和F2分别通过交叉注意力特征融合模块CAFFM进行特征融合分别得到F1`和F2`，再分别输入两个分支后续的Transformer编码器； 经过L次交叉融合后，采用均值拼接的方式对两个分支最终输出的特征进行处理，将均值拼接的结果输出到分类器得到分类结果； 所述双粒度特征融合模块具体实现如下： 粗粒度特征提取分支：输入图像首先进入粗粒度特征分支，经补丁嵌入操作将图像划分为若干块patch并转化为序列形式，展平后通过层归一化规整特征分布；随后输入Transformer编码器捕捉全局语义与长程依赖关系，同时引入残差连接，将归一化后的原始特征与Transformer编码器输出相加；相加后的特征再次经层归一化、深度卷积补充局部细节，接着二次残差连接；最后通过重塑操作将序列特征还原为空间特征图，并经上采样调整尺寸，使其与后续细粒度特征的空间分辨率匹配； 细粒度特征提取分支：输入图像同步输入细粒度特征分支，利用卷积网络ResNet提取局部细节特征；再通过1×1卷积调整细粒度特征的通道数，实现与粗粒度特征的通道维度对齐； 双粒度特征融合：将上采样后的粗粒度特征与经1×1卷积处理的细粒度特征进行通道拼接，融合局部细节与全局语义信息，最终得到双粒度融合后的输出特征； 步骤五：由训练集对改进后的DBCViT进行训练，并利用测试集进行性能测试。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市钱塘区白杨街道2号大街1158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。