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！

龙图腾网获悉无锡复生智慧医疗科技有限公司申请的专利一种双镜头胶囊内窥镜智能阅片系统及阅片方法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：CN118969207B 。

龙图腾网通过国家知识产权局官网在2025-05-13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：202411086824.5，技术领域涉及：G16H30/20；该发明授权一种双镜头胶囊内窥镜智能阅片系统及阅片方法是由刘志民;闫铭;张文斌设计研发完成，并于2024-08-08向国家知识产权局提交的专利申请。

本一种双镜头胶囊内窥镜智能阅片系统及阅片方法在说明书摘要公布了：本发明公开了一种双镜头胶囊内窥镜智能阅片系统及阅片方法，阅片系统包括双镜头胶囊内窥镜主体、接收机模块和智能阅片模块；智能阅片模块包括：权限管理模块、案例管理模块、快速阅片模块和报告编辑与输出模块，快速阅片模块：用于对接收机模块中存储的图像数据，进行去重、病灶异常检测和息肉检测与定量分析，并通过不同帧率阅片、缩略图快速预览、缩略图定位、前进后退阅片、逐帧前进后退阅片和或镜头模式切换的方式进行双镜头阅片。本发明将双镜头设计与智能阅片算法相结合，实现了对体内前后两个方向的全面监测和智能分析；引入去重算法、病灶异常检测算法和息肉检测与定量分析算法，显著提高了诊断的效率和准确性。

本发明授权一种双镜头胶囊内窥镜智能阅片系统及阅片方法在权利要求书中公布了：1.一种双镜头胶囊内窥镜智能阅片系统，包括：双镜头胶囊内窥镜主体、接收机模块和智能阅片模块；双镜头胶囊内窥镜主体包括图像采集与处理模块和无线传输模块，图像采集与处理模块用于采集和处理图像，无线传输模块用于将图像采集与处理模块处理后的图像传输至接收机模块；接收机模块用于图像的接收、处理、存储和显示；智能阅片模块用于对接收机模块存储的图像数据进行快速阅片、分析和生成报告；其特征在于：智能阅片模块包括：权限管理模块：用于权限控制，只有经过授权的医生才能访问和操作系统；案例管理模块：用于案例信息的增加、删除、修改和查询，方便医生快速获取和维护案例数据；快速阅片模块：用于对接收机模块中存储的图像数据，进行去重、病灶异常检测和息肉检测与定量分析，并通过不同帧率阅片、缩略图快速预览、缩略图定位、前进后退阅片、逐帧前进后退阅片和或镜头模式切换的方式进行双镜头阅片；其中，去重为识别并去除连续帧中相似度大于98％的图像帧，减少医生阅片的负担和时间；病灶异常检测为利用深度学习方法训练得到病灶异常检测模型，利用得到的病灶异常检测模型分析图像中的纹理、颜色和形状，识别出可能的病灶区域，并以高亮或画框的形式进行标记；息肉检测与定量分析为识别息肉区域并画出精确的边界框，同时利用图像处理方法测量息肉的和形状，并根据预设的评估标准对息肉进行分级和风险评估；报告编辑与输出模块：用于在阅片完成后，自动抓取病灶图像，并允许医生添加说明性文字，生成包含患者信息、图像数据、诊断结果及建议的PDF版详细报告；快速阅片模块：使用XAML定义用户界面，包括主体区域的双镜头图像显示、镜头模式切换按钮、帧率控制组件、缩略图进度条、前进后退按钮、逐帧前进后退按钮以及病灶抓取区域；利用.NET的数据绑定机制，将接收机接收的图像数据和案例信息与XAML界面元素绑定，实现数据的动态显示和更新；实现一个帧率管理器，通过监听帧率控制组件的事件，动态调整图像更新的速率，速率范围在1-40帧秒内；在缩略图进度条上绘制缩略图，监听鼠标事件来显示当前位置的缩略图，并处理鼠标点击事件以实现快速定位；监听主体阅片区域的鼠标双击事件，判断双击位置并捕获对应的病灶图像数据，保存到本地文件系统内；去重，采用去重算法，用视觉模型提取图片的特征，将向量列表分成小批次进行计算；利用矩阵运算的并行性，提高计算效率；使用矩阵乘法或批量计算余弦相似度，最后将相似度大于98％的图片过滤掉；病灶异常检测，采用VisionTransformer算法模型，将输入的二维图像切分成多个固定大小的图像块，每个图像块展平为一维向量；将每个图像块的一维向量通过线性变换嵌入到固定维度的特征向量空间，形成图像块的嵌入表示；由于图像块序列是无序的，VisionTransformer算法模型通过添加位置编码，保留图像块的位置信息，以确保模型能够捕捉到图像的空间结构；收集并标注医学影像数据集，采用交叉熵损失函数和Adam优化器来优化参数，对Transformer算法模型不断的进行训练；再将嵌入的图像块序列输入到Transformer编码器中，编码器包含12层自注意力层和前馈神经网络层，通过自注意力机制，Transformer算法模型动态地关注图像中的重要区域，捕捉到全局和局部特征；通过在最后的特征向量上添加一个分类头，输出图像块的分类结果，这些分类结果用于判断图像中的各个区域是否存在病灶；将标注后的图像结果在主体区域实时显示，帮助医生快速、准确地识别和诊断病灶；息肉检测与定量分析：在阅片过程中调用检测算法YoloV9，将输入图像调整为固定大小，使用多层卷积神经网络提取图像的特征，生成特征图；将特征图划分为SxS的网格，每个网格单元负责检测图像中部分区域的目标；每个网格单元预测3个边界框，每个边界框包含目标的位置和置信度分数，每个边界框同时预测目标的类别概率分布，确定目标是否属于息肉；YoloV9使用联合损失函数，包括位置损失、置信度损失和分类损失，以优化模型参数；通过数据增强方法，增加训练数据的多样性，提升模型的泛化能力；在推理过程中，通过非极大值抑制算法，去除置信度低和重叠度高的冗余边界框，保留置信度最高的边界框作为最终检测结果，帮助医生快速准确的诊断息肉，再通过抓取病灶功能保存病灶图像。

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无锡复生智慧医疗科技有限公司，其通讯地址为：214122 江苏省无锡市新吴区菱湖大道99-2号306,326,328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”。