买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉江苏世钰智能医疗科技有限公司;新疆医科大学第一附属医院申请的专利一种基于深度学习的肝脏棘球蚴病超声影像智能分类与检测方法、电子设备及存储介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119784747B 。

龙图腾网通过国家知识产权局官网在2025-06-10发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510269014.1，技术领域涉及：G06T7/00；该发明授权一种基于深度学习的肝脏棘球蚴病超声影像智能分类与检测方法、电子设备及存储介质是由温浩;吐尔干艾力·阿吉;艾合买提江·玉素甫;蒋铁民;杨锦韬设计研发完成，并于2025-03-07向国家知识产权局提交的专利申请。

本一种基于深度学习的肝脏棘球蚴病超声影像智能分类与检测方法、电子设备及存储介质在说明书摘要公布了：本发明提供了一种基于深度学习的肝脏棘球蚴病超声影像智能分类与检测方法、电子设备及存储介质，包括以下步骤：收集数据；自适应重叠块去噪模型去噪处理；建立分类数据集，训练自适应多尺度注意力残差分类模型；目标检测标注；训练检测模型Fractal‑YOLO。本发明所述的本发明的模型能够更全面地理解和利用病灶的形态学特征，从而提升检测性能，确保了计算效率，同时大大提高对棘球蚴病准确率，降低误诊率。

本发明授权一种基于深度学习的肝脏棘球蚴病超声影像智能分类与检测方法、电子设备及存储介质在权利要求书中公布了：1.一种基于深度学习的肝脏棘球蚴病超声影像智能分类与检测方法，其特征在于：包括以下步骤：S1、收集肝脏超声影像数据；S2、对肝脏超声影像数据进行预处理，基于信息熵引导的自适应重叠块去噪模型对预处理后的肝脏超声图像数据去噪处理；S3、进行分类标注，划分病理学分类标准，建立分类数据集，将影像标注为囊型棘球蚴病，泡型棘球蚴病，其他肝脏病变；S4、基于分类数据集，训练自适应多尺度注意力残差分类模型；S5、对囊型棘球蚴病数据进行目标检测标注，建立囊型棘球蚴病检测数据集；S6、对泡型棘球蚴病数据进行目标检测标注，建立泡型棘球蚴病检测数据集；S7、分别基于囊型棘球蚴病数据集、泡型棘球蚴病检测数据集训练检测模型Fractal-YOLO；在步骤S2中，基于信息熵引导的自适应重叠块去噪模型对预处理后的肝脏超声图像数据去噪处理，包括：S21、加载输入肝脏超声影像数据；S22、计算局部熵值分布；S23、根据阈值划分区域类型；S24、对每个参考块位置确定区域类型和参数设置、执行块匹配去噪，并累积结果到输出图像；S25、生成最终去噪结果图像；在步骤S22中，计算局部熵值分布，包括：给定输入图像Ix,y，首先计算其局部区域的信息熵分布；对于图像中的每个位置，定义一个大小为7×7的滑动窗口，在每个窗口位置i,j，计算窗口内的信息熵： 其中，Pk表示窗口内灰度值k的出现概率，通过计算窗口内的灰度直方图获得，Nk是滑动窗口内灰度值为k的像素数量，Ntotal是窗口总像素数；在步骤S23中，根据阈值划分区域类型，包括：基于步骤S22计算得到的局部熵值，建立一个与原图像尺寸相同的熵值矩阵Ei,j，通过设定高低两个阈值Thhigh和Thlow，将图像区域分为三类：当Hi,jThhigh为高熵区域，高熵区域包含重要的结构边缘或纹理细节；当Hi,jThlow为低熵区域：低熵区域是均匀组织区域或噪声干扰区域；中等熵区域：介于两者之间的过渡区域；基于8位灰度图像的统计分析，高熵阈值选择高于理论最大熵值的75％，低熵阈值设为理论最大熵值的45％；对于不同类型的区域，设置不同的去噪参数：对于高熵区域：使用低于设定值的搜索半径rsmall；采用系数值为0.01至0.1的相似度阈值δstrict；选择小于设定值的块大小Ksmall；对于低熵区域：使用大于设定值的搜索半径rlarge；采用系数值为0.1至0.3的相似度阈值δloose；选择大于设定值的块大小Klarge；在步骤S24中，对每个参考块位置确定区域类型和参数设置、执行块匹配去噪，并累积结果到输出图像，包括：接下来进行匹配和去噪对于图像中的每个参考块位置x,y：获取参考块位置的熵值类型Ex,y，确定对应的参数集r,δ,K，在以x,y为中心、半径r的搜索窗口内，寻找与参考块相似的图像块；使用归一化均方误差计算相似度： 其中，Bx,y是待去噪的目标块，Bu,v是搜索窗口内的对比块，m,n是块内像素的相对坐标，K是根据区域类型选择Klarge或者Ksmall；当相似度小于阈值δ时，将图像块加入相似块集合S，对所有相似块进行加权平均计算：wu,v＝exp-dBx,y,Bu,vσs2；wu,v是相似块的权重；σs是权重衰减系数，控制权重随相似度距离的下降速度；所以去除噪声的模块为： 其中，S表示相似集合；在步骤S25中，生成最终去噪结果图像，包括：对于每个像素位置x,y，收集覆盖像素的去噪块结果，计算加权平均得到最终像素值： 其中，Cx,y表示覆盖像素x,y的所有去噪块集合；Nx,y是覆盖像素x,y的去噪块数量；Bdenoised,kx,y表示第k个去噪块在位置x,y的像素值。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人江苏世钰智能医疗科技有限公司;新疆医科大学第一附属医院，其通讯地址为：211800 江苏省南京市自由贸易试验区南京片区雨合北路6号光电科技园C幢8楼806、810、811室；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。