一种基于多实例学习的肋骨骨折时间预测方法及系统(高校公示15天)(不包年费滞纳金)(需要二变)
本发明涉及图像识别技术领域,公开了一种基于多实例学习的肋骨骨折时间预测方法及系统,包括:获取肋骨骨折的CT图像数据,对CT图像数据进行预处理,得到多实例切片图像;将多实例切片图像输入多尺度特征提取网络,分别提取四个不同尺度的多实例特征;对前三个尺度的多实例特征进行特征对齐处理,得到对齐后的多实例特征,并基于第四尺度的多实例特征生成实例证据值,根据实例证据值计算实例的贡献权重;根据贡献权重,将对齐后的多实例特征和第四尺度的多实例特征分别进行特征融合,得到四个不同尺度的包特征;将四个不同尺度的包特征进行拼接后输入包回归器,得到肋骨骨折时间的预测结果。实现骨折时间的精准预测,不依赖固定数量的图像。
《一种基于多实例学习的肋骨骨折时间预测方法及系统(高校公示15天)(不包年费滞纳金)(需要二变)》是一发明专利,专利号为 2025114422191,当前法律状态为已下证,由苏州大学提出申请,发明人为石霏;张云旭;俞晓英;孙亚宁;夏文涛,申请日期为2025-10-10,公开(公告)日期为2025-12-09,国际专利分类号(IPC)为 G16H 50/20 (2018.01),高新资质:未报高企。该专利已下发证书,权利稳定,适合直接办理转让过户,是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更(过户)的一站式专利转让服务,专业顾问全程协助,确保交易合规、安全、高效。专利摘要:本发明涉及图像识别技术领域,公开了一种基于多实例学习的肋骨骨折时间预测方法及系统,包括:获取肋骨骨折的CT图像数据,对CT图像数据进行预处理,得到多实例切片图像;将多实例切片图像输入多尺度特征提取网络,分别提取四个不同尺度的多实例特征;对前三个尺度的多实例特征进行特征对齐处理,得到对齐后的多实例特征,并基于第四尺度的多实例特征生成实例证据值,根据实例证据值计算实例的贡献权重;根据贡献权重,将对齐后的多实例特征和第四尺度的多实例特征分别进行特征融合,得到四个不同尺度的包特征;将四个不同尺度的包特征进行拼接后输入包回归器,得到肋骨骨折时间的预测结果。实现骨折时间的精准预测,不依赖固定数量的图像。
海量优质专利即买即用,四大核心优势助您弯道超车:
🏆 拿资质,享红利:高企认定、专精特新必备!轻松获取政府补贴、税收减免,招投标直接加分!
💎 增信誉,融资金:支持实缴注册资金,彰显企业硬实力;支持专利质押贷款,盘活现金流,扩张不缺钱!
🔥 强背书,防抄袭:印上“专利产品”,客户更信赖!构建技术壁垒,把竞争对手挡在门外,稳占市场份额!
🚀 省时间,快变现:告别漫长研发与高风险!优质专利即买即用,让技术立刻变成真金白银的利润!
