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！

龙图腾网获悉成都信息工程大学申请的专利基于机器学习的医学影像自动分类方法及系统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：CN119851047B 。

龙图腾网通过国家知识产权局官网在2025-06-17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：202510322354.6，技术领域涉及：G06V10/764；该发明授权基于机器学习的医学影像自动分类方法及系统是由文成玉;文展;任德昊;李文藻设计研发完成，并于2025-03-19向国家知识产权局提交的专利申请。

本基于机器学习的医学影像自动分类方法及系统在说明书摘要公布了：本发明涉及医学影像分类技术领域，具体涉及一种基于机器学习的医学影像自动分类方法及系统，采集医学影像数据，并增强医学影像数据数量；对增强后的医学影像数据进行降维处理；对降维后的特征进行分类，获得医学影像数据类别。数据扩充使用基于量子干涉的生成对抗网络，通过多维度上的调制和控制来模拟真实医学影像的复杂模式和纹理，增加医学影像数据的数量和多样性，同时维持影像的细节质量。自适应调整降维强度，优化信息的保存。分类器使用基于动态惩罚项的分数阶神经网络，结合动态惩罚项和门控向量正则化技术，优化分类精度和模型的泛化能力。解决了现有技术的不足。

本发明授权基于机器学习的医学影像自动分类方法及系统在权利要求书中公布了：1.基于机器学习的医学影像自动分类方法，其特征在于，包括以下步骤： 采集医学影像数据，并增强医学影像数据数量，其中，通过基于量子干涉的生成对抗网络算法实现医学影像数据数量的增强； 所述量子干涉模拟的方式表示为：式中，ψc表示量子态，具体为，通过量子比特表达医学影像的不同可能状态；为量子干涉模拟前的量子态；为量子干涉模拟后的量子态；Uc表示量子干涉器的操作单元；φc为量子干涉器的控制参数；和分别为振幅调制和相位调制参数，jc为量子态特征维度的索引；i*为虚数单位； 所述振幅调制和相位调制参数的计算方式表示为： 式中，是由生成器网络根据输入医学影像数据动态生成的角度参数；是从均匀分布U0，1中随机采样得到的数值； 对提取增强后的所述医学影像数据数量进行降维处理；其中，采用基于松弛因子的自编码器算法作为特征降维模型； 所述基于松弛因子的自编码器算法的训练流程如下： 初始化自编码的网络结构； 在模型训练之前，设置动态松弛因子的初值及其调整策略，动态松弛因子在训练过程中根据误差反馈进行调整，具体调整方式表示为：λr，t＝λr，0exp-αrintt，αr＞0式中，λr，t为第t个训练周期的松弛因子；λr，0为初始松弛因子；αr为松弛因子衰减率；int表示当前迭代次数； 输入医学影像数据特征向量通过编码器转换为低维空间的表示； 计算自编码器的损失函数来评估当前自编码器网络的性能，自编码器的损失函数包括重构误差、降维误差和正则化项，计算方式表示为:式中，Lr为自编码器的损失函数；为解码器输出的重构数据，xr为编码器输入的医学影像数据特征向量，λr，t为第t个训练周期的松弛因子，Δzr表示编码器输出与其理想低维表示之间的偏差；||||为L2范数；Rr为自编码器的正则化项； 对降维后的特征进行分类，获得医学影像数据类别；其中，采用基于动态惩罚项的分数阶神经网络对特征降维后的医学影像数据进行分类，所述动态惩罚项是在分数阶神经网络的训练过程中对分数阶神经网络的权重进行惩罚约束； 所述基于动态惩罚项的分数阶神经网络的训练流程如下： 初始化分数阶神经网络的参数； 输入经过降维处理后的医学影像数据特征到分数阶神经网络，通过分数阶激活函数进行处理，逐层传递至输出层，表示为：式中，是分数阶神经网络第l层的输出；是分数阶神经网络第l-1层的输出；是分数阶激活函数；是分数阶神经网络第l层激活函数的分数阶的阶数；⊙表示逐元素乘法；为分数阶神经网络第l层的门控向量； 根据分数阶神经网络的实际输出和期望输出计算损失函数，具体计算方式表示为： 式中，Lu为分数 阶神经网络的损失函数；yu，i是第i个样本真实标签的独热编码；是分数阶神经网络对是第i个样本的分类输出；Lrea为分数阶神经网络的层数；λu是分数阶神经网络的正则化参数，控制权重衰减以防止过拟合；表示第l层权重的Frobenius范数的平方；λg为门控向量正则化的权重，平衡模型复杂度与性能；||||1为L1范数； 通过反向传播算法，计算损失函数对每个参数的梯度，并更新分数阶神经网络的权重和偏置；根据损失函数调整分数阶参数，优化模型的学习效率和准确性，具体调整方式表示为：式中，γeut是分数阶调整系数，用于控制分数阶参数的更新速度和幅度；是损失函数相对于分数阶参数的梯度，用于指导分数阶参数的自适应调整。

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成都信息工程大学，其通讯地址为：610000 四川省成都市西南航空港经济开发区学府路1段24号；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”。