基于多任务学习的CT图像中阳性淋巴结的分割方法(高校公示15天)(不包年费滞纳金)(需要二变)
本发明适用于CT图像处理技术领域,提供了基于多任务学习的CT图像中阳性淋巴结的分割方法,包括:对CT图像序列进行预处理并增强数据,构建多任务深度学习模型,通过编码器提取特征,利用分类模块执行分类任务,利用分割模块结合分类结果对阳性淋巴结进行分割。本发明在分类准确率(可达91.1%)和分割的DICE系数(可达到0.602)上均表现出色,优于单独的2D分割模型,与3D分割模型相比,本发明保持相近分割性能且推理时间更短。本发明能同时完成对CT图像中针对阳性淋巴结的分类与分割任务,减轻了医生的工作负担,提高了医生的诊疗效率,填补了鼻咽癌患者头颈部CT图像中同时进行阳性淋巴结判断与勾画的空白。
《基于多任务学习的CT图像中阳性淋巴结的分割方法(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 2024117468563,当前法律状态为已下证,由吉林大学提出申请,发明人为时小虎;张驰;李齐阳,申请日期为2024-12-02,公开(公告)日期为2025-10-24,国际专利分类号(IPC)为 G06T 11/00 (2006.01),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:本发明适用于CT图像处理技术领域,提供了基于多任务学习的CT图像中阳性淋巴结的分割方法,包括:对CT图像序列进行预处理并增强数据,构建多任务深度学习模型,通过编码器提取特征,利用分类模块执行分类任务,利用分割模块结合分类结果对阳性淋巴结进行分割。本发明在分类准确率(可达91.1%)和分割的DICE系数(可达到0.602)上均表现出色,优于单独的2D分割模型,与3D分割模型相比,本发明保持相近分割性能且推理时间更短。本发明能同时完成对CT图像中针对阳性淋巴结的分类与分割任务,减轻了医生的工作负担,提高了医生的诊疗效率,填补了鼻咽癌患者头颈部CT图像中同时进行阳性淋巴结判断与勾画的空白。
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!
