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！

龍圖騰網獲悉中國科學院蘇州生物醫學工程技術研究所申請的專利基于卷積神經網絡與課程學習的多模態醫學圖像分類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：CN114140648B 。

龍圖騰網通過國家知識產權局官網在2025-09-12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：202111447451.6，技術領域涉及：G06V10/764；該發明授權基于卷積神經網絡與課程學習的多模態醫學圖像分類系統是由戴亞康;胡冀蘇;周志勇;錢旭升;鄭毅設計研發完成，并于2021-11-30向國家知識產權局提交的專利申請。

本基于卷積神經網絡與課程學習的多模態醫學圖像分類系統在說明書摘要公布了：本發明公開了一種基于卷積神經網絡與課程學習的多模態醫學圖像分類系統，其包括：圖像預處理模塊和多尺度卷積神經網絡分類器，多尺度卷積神經網絡分類器包括Resnet50網絡、特征金字塔網絡、maskROI模塊和注意力模塊。Resnet50網絡提取輸入的圖像的特征，并輸出至特征金字塔網絡處理得到完整的特征圖并輸出至所述注意力模塊；maskROI模塊用于向分類器中輸入包含感興趣區域的特定圖像；注意力模塊得到的特征圖與maskROI模塊輸入的圖像相乘后作為結果輸出。本發明以課程學習作為網絡訓練的先驗知識能合理利用有限數據，訓練過程中，網絡的學習難度逐漸增加，使得訓練過程更加合理，能得到結果更精準的分類器。

本發明授權基于卷積神經網絡與課程學習的多模態醫學圖像分類系統在權利要求書中公布了：1.一種基于卷積神經網絡與課程學習的多模態醫學圖像分類系統，其特征在于，其包括：圖像預處理模塊和多尺度卷積神經網絡分類器，所述多尺度卷積神經網絡分類器包括Resnet50網絡、特征金字塔網絡、maskROI模塊和注意力模塊； 所述Resnet50網絡提取輸入的圖像的特征，并輸出至所述特征金字塔網絡，所述特征金字塔網絡處理得到完整的特征圖并輸出至所述注意力模塊，所述注意力模塊用于重新分配特征圖中每個通道和空間的權重；所述maskROI模塊用于向分類器中輸入包含感興趣區域的特定圖像，以使分類器更加關注感興趣區域；所述注意力模塊得到的特征圖與maskROI模塊輸入的圖像相乘后作為結果輸出； 所述特征金字塔網絡包括bottleneck1層、bottleneck2層、bottleneck3層、bottleneck4層、卷積層C2、卷積層C3、卷積層C4、卷積層C5、平滑層和Concat層； 所述Resnet50網絡輸出的圖像的特征通過所述特征金字塔網絡產生了四種不同分辨率的特征圖，來自bottleneck1-4層的特征圖利用橫向連接進行增強，每個橫向連接都合并了來自bottleneck1-4層和C5-C2層的相同空間大小的特征圖，得到了三種尺度的特征圖；然后利用平滑層對三種尺度的特征圖進行處理以減少上采樣的混疊效應，最后通過Concat層將這些不同尺度的特征先上采樣到相同尺度再進行合并，獲得完整的特征圖； 所述注意力模塊為BAM模塊，其將空間注意力和通道注意力以并聯的方式組合起來，對于給定的輸入特征圖F∈RC×H×W，BAM模塊推斷出一個3D注意力圖MF∈RC×H×W，經BAM模塊重新分配每個通道和空間的權重后的特征圖F'的計算方法為： 其中，表示按元素相乘；3D注意力圖MF的計算方法為：首先計算兩個獨立分支上的通道注意力圖McF∈RC和空間注意力圖MsF∈RC，然后按照下式計算BAM注意力圖MF： MF＝σMcF+MsF； 其中，σ是一個sigmoid函數，使得這兩個獨立分支輸出在添加之前都被重新調整為RC ×H×W。

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國科學院蘇州生物醫學工程技術研究所，其通訊地址為：215163 江蘇省蘇州市高新區科技城科靈路88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”。