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！

龍圖騰網獲悉高藝申請的專利基于CT圖像二維投影及深度學習的肺結核傳染性判別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：CN115861292B 。

龍圖騰網通過國家知識產權局官網在2025-09-19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：202310023737.4，技術領域涉及：G06F16/50；該發明授權基于CT圖像二維投影及深度學習的肺結核傳染性判別方法是由高藝設計研發完成，并于2023-01-06向國家知識產權局提交的專利申請。

本基于CT圖像二維投影及深度學習的肺結核傳染性判別方法在說明書摘要公布了：本發明涉及醫學智能分析相關領域，公開了基于CT圖像二維投影及深度學習的肺結核傳染性判別方法，提供了一種基于二維投影的肺結核CT圖像傳染性分析方法，該方法不需要使用三維模型，且可以大量提升樣本量，這大大緩解了深度學習模型的過擬合問題；提出雙流的二維ResNet模型，該模型采用雙主干網絡設計，使用了殘差模塊提取特征，在二維投影的肺結核CT圖像傳染性判別任務上表現優秀；采用Z，X，Y三個方向的投影，且使用均值和標準差作為投影的屬性，實驗結果表明該做法是有效的；在測試階段使用了三個方向的預測概率的均值，這是使得模型的最終預測結果更加具有魯棒性。

本發明授權基于CT圖像二維投影及深度學習的肺結核傳染性判別方法在權利要求書中公布了：1.基于CT圖像二維投影及深度學習的肺結核傳染性判別方法，其特征在于，包含以下步驟： 訓練數據的預處理，獲取歷史肺結核患者的CT圖像數據與結核痰涂片的檢測結果，基于所述檢測結果判斷患者的傳染性強度以用于對所述CT圖像數據進行劃分； 肺部圖像的切割投影，通過開源模型對所述CT圖像數據進行肺部的分割處理，獲取三維分割結果，基于所述三維分割結果分別對左右肺進行空間坐標軸方向的投影，生成投影圖像，所述三維分割結果表征僅保留肺部的CT圖像； 樣本的神經網絡處理，通過二維ResNet神經網絡對所述投影圖像進行處理，生成投影圖像特征，基于所述投影圖像特征的多個特征向量進行最大值操作融合，并通過全連接層和Sigmoid激活函數獲得預測概率； 數據集的二分類，將預先劃分的測試數據集通過樣本的神經網絡處理步驟進行二分類，根據測試集輸出的概率值，繪制ROC曲線，并計算RO-AUC作為二分類模型的評價指標，基于ROC曲線選定額定的特異度時的閾值作為分類閾值，所述分類閾值用于判斷傳染性； 患者的傳染性判斷，獲取待診斷肺結核患者肺部的CT圖像，通過肺部圖像的切割投影及樣本的神經網絡處理步驟獲得多個預測概率，對多個所述預測概率進行取均值，獲得患者的最終預測概率，基于所述數據集的二分類中的分類閾值對所述預測概率進行判斷，獲取患者的傳染性； 所述基于所述三維分割結果分別對左右肺進行空間坐標軸方向的投影的步驟執行時還包括前置步驟： 對所述三維分割結果進行判斷，若分割結果的左右肺不粘連，則通過連通域將兩個區域分開，并通過連通域的質心位置判斷左右肺，若左右粘連，則直接沿分割結果的橫斷面中線分割左右肺，當投影生成時，投影去對應方向上的像素點均值與標準差； 所述二維ResNet模型包括兩條主干網絡，兩條所述主干網絡分別用于提取左肺和右肺的投影圖像特征，并通過一個最大值操作融合，在雙流的所述二維ResNet模型的訓練中，通過在線的數據擴增技術進行訓練樣本量的增加及模型泛化能提的提升，所述數據擴增技術包括隨機翻轉、隨機縮放、隨機平移、隨機旋轉及隨機噪聲，模型訓練的損失函數為交叉熵損失函數： 其中，N表示樣本數量，yi表示樣本i的分類標簽，pi表示模型預測樣本i為強傳染性的概率；該損失函數促使模型將強傳染性的樣本預測為1，將弱傳染性的樣本預測為0。

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高藝，其通訊地址為：570100 海南省海口市秀英區秀華路19號海南省人民醫院；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”。