发明专利已授权

一种基于大模型自监督学习的医学影像异常区域识别方法

📄 申请号：CN202511147227.3 📄 发布日：2026/04/16

著录项目信息

申请日

2025-08-15

公开号

CN120655643B

公开日

2025-10-17

申请人

成都理工大学

法律状态

已下证

专利类型

发明

主分类号

G06T7_00

IPC 分类号

G06T7_00 , G06V10_764 , G06V10_82 , G06V10_774 , G06V10_80 , G06N3_0455 , G06N3_0895 ,

技术画像

所属领域

人工智能算法人工智能算法医学影像分析自监督学习

应用场景

医学影像诊断, 辅助诊断, 疾病筛查, 病灶检测, 医疗影像质控

AI 智能推荐 · 同申请人专利 · 搜索相似专利

摘要

本发明公开了一种基于大模型自监督学习的医学影像异常区域识别方法，属于图像数据处理技术领域，包括获取医学影像的异常样本数据集D1、健康样本数据集D2；构造并训练一离散掩码自编码器；对D2中样本生成伪异常图构成数据集D3；对D2和D3自动生成标注；构造医学影像异常区域识别网络和总损失，用D2和D3训练该网络得到异常区域识别模型，用于D1中样本中异常区域的识别。本发明的离散掩码自编码器能增强模型对结构扭曲与语义突变的感知能力，缓解异常区域过拟合重建的问题，伪异常图方能提升训练样本的多样性与有效性，异常区域识别模型具备像素级异常定位能力，且结构设计适配复杂医学图像特征、训练机制灵活、能实现端到端优化。

权利要求书 (12项) 说明书附图

……

图1

图2

图3

法律状态时间线

一种凸轮滑块式柱塞泵

当前第 / 件

一种收纳式充电宝储存架

同领域国内专利 · IPC: (G06T7_00)

G06T7_00 G06T7_10 G06T7_11 G06T7_12 G06T7_13 G06T7_136 G06T7_143 G06T7_149 G06T7_155 G06T7_168 G06T7_174 G06T7_181 G06T7_187 G06T7_194 G06T7_20 G06T7_207 G06T7_215 G06T7_223 G06T7_246 G06T7_254 G06T7_269 G06T7_277 G06T7_292 G06T7_30 G06T7_32 G06T7_33 G06T7_37 G06T7_38 G06T7_40 G06T7_41 G06T7_44 G06T7_45 G06T7_49 G06T7_50 G06T7_507 G06T7_514 G06T7_521 G06T7_55 G06T7_557 G06T7_564 G06T7_579 G06T7_593 G06T7_60 G06T7_62 G06T7_64 G06T7_66 G06T7_68 G06T7_70 G06T7_73 G06T7_77 G06T7_80 G06T7_90 覆盖52个领域

相似专利推荐 AI 驱动 · 同领域

暂无同领域相似专利推荐

议价

不含过户费

📋 交易方式： 委托待转让 📌 交易状态：在售 👁️ 浏览次数：86 ❤️ 收藏人数：93 📋 项目申报： 未申报

资金托管权属尽调包过户

🏢 淄博智来知识产权服务有限公司

✓ 企业认证✓ 手机绑定历史成交 0件好评率 98.5%

📊 出价记录 (3条)

王**¥-10万

李** 企业¥-8万

陈**¥-3万

查看全部出价

我要出价 (议价)