基于自监督学习的三维医学影像异常检测方法及系统
基于自监督学习的三维医学影像异常检测方法和系统,方法包括如下步骤:根据三个尺度不同的原始特征图,分别构建三个独立的特征嵌入网络;利用特征嵌入网络,将三个原始特征图转换成一维的嵌入向量;计算伪异常图像与正常图像在每一尺度下的嵌入向量之间的均方误差之和;利用Adam优化器对特征嵌入网络进行参数更新;构建与编码器结构对称的解码器;利用全连接层扩展三个嵌入向量并分别重塑,生成三个低分辨率特征图,低分辨率特征图的空间分辨率与layer3特征图相同;将三个低分辨率特征图进行融合后得到layer3重建特征图;解码器的上采样模块对layer3重建特征图逐层级联重建,得到与layer1特征图和layer2特征图分辨率分别一致的layer1重建特征图和layer2重建特征图。
《基于自监督学习的三维医学影像异常检测方法及系统》是一发明专利,专利号为 2025107366801,当前法律状态为已下证,由杭州电子科技大学提出申请,发明人为陈黄未;贾均灏;朱珠;秦飞巍;金晓晟;章国道;王佳颖;樊谨,申请日期为2025-06-04,公开(公告)日期为2025-08-19,国际专利分类号(IPC)为 G06T 7/00 (2017.01),高新资质:未报高企,所属技术领域包括:(智慧医疗、自监督学习、异常检测、三维医学影像、特征嵌入、伪异常样本、均方误差、编解码器、多尺度重建、无监督训练、医学影像分析)。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:基于自监督学习的三维医学影像异常检测方法和系统,方法包括如下步骤:根据三个尺度不同的原始特征图,分别构建三个独立的特征嵌入网络;利用特征嵌入网络,将三个原始特征图转换成一维的嵌入向量;计算伪异常图像与正常图像在每一尺度下的嵌入向量之间的均方误差之和;利用Adam优化器对特征嵌入网络进行参数更新;构建与编码器结构对称的解码器;利用全连接层扩展三个嵌入向量并分别重塑,生成三个低分辨率特征图,低分辨率特征图的空间分辨率与layer3特征图相同;将三个低分辨率特征图进行融合后得到layer3重建特征图;解码器的上采样模块对layer3重建特征图逐层级联重建,得到与layer1特征图和layer2特征图分辨率分别一致的layer1重建特征图和layer2重建特征图。
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!
