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！

龍圖騰網獲悉中南大學申請的專利一種用于口腔黏膜病變的圖像識別系統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：CN120259286B 。

龍圖騰網通過國家知識產權局官網在2025-08-26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：202510731129.8，技術領域涉及：G06T7/00；該發明授權一種用于口腔黏膜病變的圖像識別系統是由劉桂;張凌燕;黃俊輝設計研發完成，并于2025-06-03向國家知識產權局提交的專利申請。

本一種用于口腔黏膜病變的圖像識別系統在說明書摘要公布了：本發明涉及圖像處理技術，提供了一種用于口腔黏膜病變的圖像識別系統，旨在提高口腔圖像處理的精度與效率；系統包括數據采集模塊、數據預處理模塊、圖像分割模塊、病變區域分類模塊和報告展示與可視化模塊；通過圖像金字塔、Sobel邊緣檢測、Otsu閾值分割及局部對比度加權優化技術，圖像分割模塊實現了高精度的病變區域分割；病變區域分類模塊結合特征組合、特征交互、HEMish激活函數和可變擴張因果卷積等技術，精確分類口腔病變區域；本發明通過多層次、多維度的技術手段，顯著提高了病變區域的識別精度、魯棒性與適應性，解決了傳統系統中存在的精度低、識別不穩定等問題，推動了口腔黏膜病變圖像識別領域的技術進步。

本發明授權一種用于口腔黏膜病變的圖像識別系統在權利要求書中公布了：1.一種用于口腔黏膜病變的圖像識別系統，包括數據采集模塊、數據預處理模塊；所述數據采集模塊，采集原始口腔圖像數據；所述數據預處理模塊，將原始口腔圖像數據進行預處理，生成預處理口腔圖像數據；其特征在于：所述系統還包括圖像分割模塊和病變區域分類模塊； 所述圖像分割模塊，結合圖像金字塔、Sobel邊緣檢測、Otsu閾值分割和局部對比度加權優化技術構建多尺度加權Otsu邊緣分割模型，通過多尺度加權Otsu邊緣分割模型處理預處理口腔圖像數據，生成多尺度邊緣分割圖； 所述病變區域分類模塊，建立卷積神經網絡模型，通過引入特征組合、特征交互、HEMish激活函數和可變擴張因果卷積改進卷積神經網絡模型，構建多尺度扭曲-可變卷積神經網絡模型；通過多尺度扭曲-可變卷積神經網絡模型處理多尺度邊緣分割圖，生成病變區域分類信息； 多尺度加權Otsu邊緣分割模型包括多尺度圖像金字塔單元、Sobel算子邊緣檢測單元、多尺度Otsu閾值單元和生成單元； 多尺度扭曲-可變卷積神經網絡模型包括全連接層1、Dropout層、全連接層2、殘差連接和輸出層； 所述病變區域分類模塊，生成病變區域分類信息的過程，具體包括以下步驟： 步驟D1：特征組合：將多尺度邊緣分割圖進行乘積組合和成對乘積求和，生成組合特征數據； 步驟D2：特征交互：將組合特征數據通過ReLU激活函數進行非線性變換，捕捉組合特征數據的高階交互關系，生成豐富高階特征表示； 步驟D3：特征變換：結合Mish的平滑性、高斯函數、雙曲正切函數和可調超參數，構建HEMish激活函數；將豐富高階特征表示進行線性變換，再通過HEMish激活函數進行非線性變換，生成深層特征表示； 步驟D4：特征映射1：通過全連接層1處理深層特征表示，生成全連接層1特征數據集；通過全連接層1學習深層特征表示，輸出擴張因子控制信號； 步驟D5：因果卷積：通過可變擴張因果卷積捕捉全連接層1特征數據集中的長期依賴關系，生成可變因果特征數據； 步驟D6：批歸一化處理：將可變因果特征數據進行批歸一化處理，減少訓練中的內部協方差變化，生成批歸一化特征數據； 步驟D7：Dropout處理：將批歸一化特征數據通過Dropout層隨機丟棄一部分神經元，生成Dropout特征數據； 步驟D8：特征映射2：通過全連接層2對Dropout特征數據精煉特征表示，生成全連接層2特征數據； 步驟D9：生成分類結果：將全連接層2特征數據輸入到輸出層，生成病變區域分類信息； 步驟D10：殘差連接：在全連接層1和全連接層2之間加入殘差連接。

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中南大學，其通訊地址為：410083 湖南省長沙市岳麓區麓山南路932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”。