買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜長沙理工大學(xué)申請的專利胸部X射線圖像識別方法、裝置、計(jì)算機(jī)設(shè)備和存儲介質(zhì)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN115249228B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-06-10發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202111542388.4，技術(shù)領(lǐng)域涉及：G06T7/00；該發(fā)明授權(quán)胸部X射線圖像識別方法、裝置、計(jì)算機(jī)設(shè)備和存儲介質(zhì)是由王威;文曉維;王新;羅艷紅設(shè)計(jì)研發(fā)完成，并于2021-12-14向國家知識產(chǎn)權(quán)局提交的專利申請。

本胸部X射線圖像識別方法、裝置、計(jì)算機(jī)設(shè)備和存儲介質(zhì)在說明書摘要公布了：本申請涉及一種胸部X射線圖像識別方法、裝置、計(jì)算機(jī)設(shè)備和存儲介質(zhì)。所述方法包括：獲取若干帶標(biāo)識的胸部X射線圖像，并得到訓(xùn)練樣本；構(gòu)建胸部X射線圖像識別網(wǎng)絡(luò)；該網(wǎng)絡(luò)包括stem模塊、若干個連續(xù)的ConvTransBlock模塊和分類網(wǎng)絡(luò)；ConvTransBlock模塊包括卷積分支、Transformer分支和FCU模塊；卷積分支用于提取局部特征；Transformer分支用于提取全局特征；FCU模塊用于將局部特征與全局特征進(jìn)行融合；利用訓(xùn)練樣本對網(wǎng)絡(luò)進(jìn)行訓(xùn)練，將訓(xùn)練好的胸部X射線圖像識別網(wǎng)絡(luò)用于圖像識別，得到胸部X射線圖像的類別。本方法的模型參數(shù)量少、收斂速度快，且識別精度較高。

本發(fā)明授權(quán)胸部X射線圖像識別方法、裝置、計(jì)算機(jī)設(shè)備和存儲介質(zhì)在權(quán)利要求書中公布了：1.一種胸部X射線圖像識別方法，其特征在于，所述方法包括：獲取若干帶標(biāo)識的胸部X射線圖像，并對所述胸部X射線圖像進(jìn)行預(yù)處理，得到訓(xùn)練樣本；構(gòu)建胸部X射線圖像識別網(wǎng)絡(luò)；所述胸部X射線圖像識別網(wǎng)絡(luò)包括Stem模塊、特征提取網(wǎng)絡(luò)和分類網(wǎng)絡(luò)；所述Stem模塊用于通過卷積和最大值池化操作提取訓(xùn)練樣本的初始局部特征；所述特征提取網(wǎng)絡(luò)包括若干個連續(xù)的ConvTransBlock模塊，所述ConvTransBlock模塊包括卷積分支、Transformer分支以及橋接雙分支的FCU模塊；所述卷積分支用于采用由卷積層構(gòu)成的反殘差結(jié)構(gòu)提取輸入特征的局部特征；所述Transformer分支用于提取輸入特征的復(fù)雜空間變換和長距離特征的依賴性，得到全局特征；所述FCU模塊用于將卷積分支的局部特征與Transformer分支的全局特征進(jìn)行融合；所述分類網(wǎng)絡(luò)用于根據(jù)最后一個ConvTransBlock模塊的卷積分支和Transformer分支的輸出特征分別進(jìn)行圖像識別，并將得到的兩個分類預(yù)測結(jié)果進(jìn)行融合，得到樣本預(yù)測分類結(jié)果；根據(jù)所述訓(xùn)練樣本的標(biāo)識和將所述訓(xùn)練樣本輸入到所述胸部X射線圖像識別網(wǎng)絡(luò)得到的樣本預(yù)測分類結(jié)果，對所述胸部X射線圖像識別網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到訓(xùn)練好的胸部X射線圖像識別網(wǎng)絡(luò)；將待測胸部X射線圖像輸入到訓(xùn)練好的胸部X射線圖像識別網(wǎng)絡(luò)中，得到胸部X射線圖像的類別；其中，所述卷積分支由兩個反殘差模塊組成；所述反殘差模塊由1層點(diǎn)卷積層、1層深度卷積層和1層點(diǎn)卷積層組成，所述深度卷積層的卷積核為3×3；所述Transformer分支包括多頭注意力機(jī)制和多層感知器；所述FCU模塊包括下采樣融合分支和上采樣融合分支；在第一個ConvTransBlock模塊中：將卷積分支輸入特征輸入到第一個ConvTransBlock模塊的卷積分支的第一個反殘差模塊的第一個點(diǎn)卷積層中進(jìn)行特征提取，并將提取的特征進(jìn)行歸一化處理，得到第一標(biāo)準(zhǔn)化局部特征；將所述第一標(biāo)準(zhǔn)化局部特征輸入到第一個ConvTransBlock模塊的卷積分支的第一個反殘差模塊的深度卷積層中，并將得到的結(jié)果進(jìn)行歸一化處理，得到第一深度卷積特征；將所述第一深度卷積特征輸入到第一個ConvTransBlock模塊的卷積分支的第一個反殘差模塊的第二個點(diǎn)卷積層中，得到第二卷積特征；將所述第二卷積特征和所述初始局部特征進(jìn)行加和，將得到的結(jié)果輸入到第一個ConvTransBlock模塊的卷積分支的第二個反殘差模塊的第一個點(diǎn)卷積層中，得到第三卷積特征；將所述第一深度卷積特征輸入到第一個ConvTransBlock模塊的FCU模塊的下采樣融合分支中，得到局部融合特征；將Transformer分支輸入特征輸入到第一個ConvTransBlock模塊的Transformer分支的多頭注意力機(jī)制中，得到全局注意力特征；將所述Transformer分支輸入特征與所述全局注意力特征進(jìn)行加和后進(jìn)行歸一化處理，將得到的歸一化結(jié)果輸入到第一個ConvTransBlock模塊的Transformer分支的多層感知器中，得到第一全局特征；將所述第一全局特征輸入到第一個ConvTransBlock模塊的FCU模塊的上采樣融合分支中，得到全局融合特征；將所述第三卷積特征和所述全局融合特征進(jìn)行加和后輸入到第一個ConvTransBlock模塊的卷積分支的第二個反殘差模塊的深度卷積層中，并將得到的結(jié)果進(jìn)行歸一化處理，得到第二深度卷積特征；將所述第二深度卷積特征輸入到第一個ConvTransBlock模塊的卷積分支的第二個反殘差模塊的第二個點(diǎn)卷積層中，并將得到的卷積結(jié)果和所述第二卷積特征進(jìn)行加和，得到第一局部特征。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人長沙理工大學(xué)，其通訊地址為：410000 湖南省長沙市天心區(qū)赤嶺路45號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。