買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉東華大學申請的專利一種基于EUS的粘膜下腫瘤細粒度分類方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN114067159B 。

龍圖騰網通過國家知識產權局官網在2025-04-29發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202111375187.X，技術領域涉及：G06V10/764；該發明授權一種基于EUS的粘膜下腫瘤細粒度分類方法是由鄭杭彬;鮑勁松;劉天元;汪俊亮設計研發完成，并于2021-11-19向國家知識產權局提交的專利申請。

本一種基于EUS的粘膜下腫瘤細粒度分類方法在說明書摘要公布了：本發明涉及一種基于EUS的粘膜下腫瘤細粒度分類方法，其特征在于，包括以下步驟：建立多尺度的關系注意力網絡；分兩個階段對關系注意力網絡進行訓練；將實時獲得的EUS圖像輸入訓練后的關系注意力網絡，由關系注意力網絡輸出對應的類別標簽。與現有技術相比，本發明能夠有效提升基于EUS的粘膜下腫瘤的識別準確率，并有效減少了EUS識別過程中對目標級數據標簽的依賴，能夠有效對EUS圖像中的粘膜下腫瘤區域進行識別。

本發明授權一種基于EUS的粘膜下腫瘤細粒度分類方法在權利要求書中公布了：1.一種基于EUS的粘膜下腫瘤細粒度分類方法，其特征在于，包括以下步驟：步驟1、建立多尺度的關系注意力網絡，該關系注意力網絡包括基于卷積神經網絡結構實現的編碼器以及關系注意力模塊，由編碼器提取輸入的EUS圖像多個尺度特征，由關系注意力模塊獲得特征的注意力圖，并將注意力圖與編碼器提取的特征進行逐元素相乘，以增強空間域中的感興趣區域，抑制無關區域，基于感興趣區域輸出類別標簽，類別為預先定義的不同腫瘤類別；步驟2、分兩階段對模型進行訓練，采用基于圖像修復的自監督學習預訓練方法來訓練腫瘤分類的特征提取器，并在下游加入多尺度特征關系注意力網絡進一步訓練模型直至收斂，具體包括以下步驟：步驟201、獲得不同類別的EUS圖像樣本；步驟202、將步驟201得到的不同類別的EUS圖像樣本組成一個EUS圖像訓練樣本集；步驟203、采用EUS自適應遮擋算法對EUS圖像訓練樣本集中的每個EUS圖像樣本進行處理，獲得遮擋圖像樣本以及對應的遮擋區域，EUS自適應遮擋算法利用EUS的成像特點自適應地遮擋EUS圖像層次結構上的部分信息，用于實現自監督學習；所述EUS自適應遮擋算法包括以下步驟：步驟2031、對EUS圖像樣本進行直方圖均衡化處理，隨后進行閾值化操作，使得直方圖均衡化后的圖像中像素值在[0.7,0.8]之間的所有像素的值為1、像素值在[0.85,0.99]之間的所有像素的值為2、其余像素的像素值都為0，從而得到閾值化圖像；步驟2032、對閾值化圖像進行腐蝕運算，使得閾值化圖像中相互靠近的區域的區域輪廓相互聯通，而相互之間距離較遠的區域的區域輪廓互相分離；步驟2033、尋找上一步得到的圖像中的閉合曲線，并計算每條閉合曲線所圍區域的曲線區域面積，對曲線區域面積進行排序，從中選出曲線區域面積最大的前三條閉合曲線，將其假定為圖像層次結構的外輪廓曲線；步驟2034、在外輪廓曲線內部采點，將獲得的點作為生成掩碼的中心坐標點，基于中心坐標點生成掩碼，利用掩碼對EUS圖像樣本進行遮擋，從而得到所述遮擋圖像樣本以及對應的所述遮擋區域；步驟204、將遮擋圖像樣本作為輸入、對應的遮擋區域作為標簽，對采用ContextEncoder的模型結構進行訓練，從而完成第一階段的訓練，該模型結構包括基于卷積神經網絡結構實現的編碼器、解碼器以及一個判別器，由模型結構補全輸入的遮擋圖像樣本的遮擋區域，輸出完整的EUS圖像樣本；步驟205、將訓練后的模型結構的編碼器的權值賦予關系注意力網絡的編碼器，該編碼器即為特征提取器；步驟206、將步驟201獲得的EUS圖像樣本作為輸入、對應的類別作為標簽，對編碼器的權值更新后的關系注意力網絡進行訓練，從而完成第二階段的訓練；步驟3、將實時獲得的EUS圖像輸入訓練后的關系注意力網絡，由關系注意力網絡輸出對應的類別標簽。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人東華大學，其通訊地址為：201600 上海市松江區人民北路2999號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。