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！

龙图腾网获悉武汉大学申请的专利医学超声图像辅助判定病灶严重程度的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：CN115512831B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202211202211.4，技术领域涉及：G16H50/20；该发明授权医学超声图像辅助判定病灶严重程度的方法是由刘娟;李乐乐设计研发完成，并于2022-09-29向国家知识产权局提交的专利申请。

本医学超声图像辅助判定病灶严重程度的方法在说明书摘要公布了：本发明公开了一种医学超声图像辅助判定病灶严重程度的方法，包括：对医学超声图像进行预处理；搭建深度神经网络模型，将预处理后的超声图像分为训练集、验证集和测试集，采用深度神经网络模型对预处理后的医学超声图像进行特征提取获得特征图，再对特征图进行特征增强得到特征增强图，采用训练集的特征增强图对深度神经网络模型进行训练，获得训练后的卷积神经网络模型参数，再采用验证集的特征增强图验证训练后的卷积神经网络模型参数以及采用测试集进行测试，选取测试精度符合要求的参数作为深度神经网络模型的最终参数；采用步骤2得到的深度神经网络模型对医学超声图像进行预测。本发明提高了识别的准确度，减轻了医生的工作量。

本发明授权医学超声图像辅助判定病灶严重程度的方法在权利要求书中公布了：1.一种医学超声图像辅助判定病灶严重程度的方法，其特征在于，包括如下步骤： 步骤1：对医学超声图像进行预处理； 步骤2：搭建用于预测病灶严重程度的深度神经网络模型，将预处理后的超声图像分为训练集、验证集和测试集，采用深度神经网络模型对预处理后的医学超声图像进行特征提取获得特征图，再对特征图进行特征增强得到特征增强图，采用训练集的特征增强图对深度神经网络模型进行训练，获得训练后的卷积神经网络模型参数，再采用验证集的特征增强图验证训练后的卷积神经网络模型参数以及采用测试集进行测试，选取测试精度符合要求的参数作为深度神经网络模型的最终参数； 步骤3：采用步骤2得到的深度神经网络模型对医学超声图像进行预测； 步骤2具体包括如下子步骤： S2.1：将步骤1中预处理后的超声图像分为训练集、验证集和测试集； S2.2：构建resnet34作为深度神经网络模型的总体架构，并且将resnet34作为特征提取模块用于对训练集、验证集和测试集的超声图像进行特征提取； S2.3：构建特征增强模块，特征增强模块包括1×1卷积层、分数生成模块、阈值生成模块，将经过步骤S2.2特征提取模块提取的特征图输入到1×1卷积层中按通道进行压缩得到单通道特征图，然后将经过压缩的单通道特征图分别经过阈值生成模块生成阈值以及分数生成模块生成各像素点的位置分数，再根据阈值和位置分数计算mask以将样本划分为正样本或负样本，进而输出特征增强图； S2.4：构建包括全局最大池化与全连接层的模块作为分类头，并随机初始化参数，其输入为步骤2.2中提取的特征图，其输出为病灶严重程度的类别； S2.5：将训练集的正负样本输入到分类头中进行训练，其中，正负样本分开进行训练，且正样本与负样本共用分类头的参数，对于同一分类头，分别产生各自的损失，训练的过程中的总损失为步骤S2.2、S2.3、S2.4三个阶段的正样本与负样本损失之和，将求和结果回传更新深度神经网络模型的参数；训练结束后，采用验证集验证训练后的模型参数并选择损失值最小的一轮的参数，最后采用测试集去测试该深度神经网络模型参数的精度，选取精度符合要求的参数作为深度神经网络模型的最终参数，用于后续的预测过程。

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武汉大学，其通讯地址为：430072 湖北省武汉市武昌区珞珈山街道八一路299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。