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！

龙图腾网恭喜长沙理工大学申请的专利胸部X射线图像识别方法、装置、计算机设备和存储介质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：CN115249228B 。

龙图腾网通过国家知识产权局官网在2025-06-10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：202111542388.4，技术领域涉及：G06T7/00；该发明授权胸部X射线图像识别方法、装置、计算机设备和存储介质是由王威;文晓维;王新;罗艳红设计研发完成，并于2021-12-14向国家知识产权局提交的专利申请。

本胸部X射线图像识别方法、装置、计算机设备和存储介质在说明书摘要公布了：本申请涉及一种胸部X射线图像识别方法、装置、计算机设备和存储介质。所述方法包括：获取若干带标识的胸部X射线图像，并得到训练样本；构建胸部X射线图像识别网络；该网络包括stem模块、若干个连续的ConvTransBlock模块和分类网络；ConvTransBlock模块包括卷积分支、Transformer分支和FCU模块；卷积分支用于提取局部特征；Transformer分支用于提取全局特征；FCU模块用于将局部特征与全局特征进行融合；利用训练样本对网络进行训练，将训练好的胸部X射线图像识别网络用于图像识别，得到胸部X射线图像的类别。本方法的模型参数量少、收敛速度快，且识别精度较高。

本发明授权胸部X射线图像识别方法、装置、计算机设备和存储介质在权利要求书中公布了：1.一种胸部X射线图像识别方法，其特征在于，所述方法包括：获取若干带标识的胸部X射线图像，并对所述胸部X射线图像进行预处理，得到训练样本；构建胸部X射线图像识别网络；所述胸部X射线图像识别网络包括Stem模块、特征提取网络和分类网络；所述Stem模块用于通过卷积和最大值池化操作提取训练样本的初始局部特征；所述特征提取网络包括若干个连续的ConvTransBlock模块，所述ConvTransBlock模块包括卷积分支、Transformer分支以及桥接双分支的FCU模块；所述卷积分支用于采用由卷积层构成的反残差结构提取输入特征的局部特征；所述Transformer分支用于提取输入特征的复杂空间变换和长距离特征的依赖性，得到全局特征；所述FCU模块用于将卷积分支的局部特征与Transformer分支的全局特征进行融合；所述分类网络用于根据最后一个ConvTransBlock模块的卷积分支和Transformer分支的输出特征分别进行图像识别，并将得到的两个分类预测结果进行融合，得到样本预测分类结果；根据所述训练样本的标识和将所述训练样本输入到所述胸部X射线图像识别网络得到的样本预测分类结果，对所述胸部X射线图像识别网络进行训练，得到训练好的胸部X射线图像识别网络；将待测胸部X射线图像输入到训练好的胸部X射线图像识别网络中，得到胸部X射线图像的类别；其中，所述卷积分支由两个反残差模块组成；所述反残差模块由1层点卷积层、1层深度卷积层和1层点卷积层组成，所述深度卷积层的卷积核为3×3；所述Transformer分支包括多头注意力机制和多层感知器；所述FCU模块包括下采样融合分支和上采样融合分支；在第一个ConvTransBlock模块中：将卷积分支输入特征输入到第一个ConvTransBlock模块的卷积分支的第一个反残差模块的第一个点卷积层中进行特征提取，并将提取的特征进行归一化处理，得到第一标准化局部特征；将所述第一标准化局部特征输入到第一个ConvTransBlock模块的卷积分支的第一个反残差模块的深度卷积层中，并将得到的结果进行归一化处理，得到第一深度卷积特征；将所述第一深度卷积特征输入到第一个ConvTransBlock模块的卷积分支的第一个反残差模块的第二个点卷积层中，得到第二卷积特征；将所述第二卷积特征和所述初始局部特征进行加和，将得到的结果输入到第一个ConvTransBlock模块的卷积分支的第二个反残差模块的第一个点卷积层中，得到第三卷积特征；将所述第一深度卷积特征输入到第一个ConvTransBlock模块的FCU模块的下采样融合分支中，得到局部融合特征；将Transformer分支输入特征输入到第一个ConvTransBlock模块的Transformer分支的多头注意力机制中，得到全局注意力特征；将所述Transformer分支输入特征与所述全局注意力特征进行加和后进行归一化处理，将得到的归一化结果输入到第一个ConvTransBlock模块的Transformer分支的多层感知器中，得到第一全局特征；将所述第一全局特征输入到第一个ConvTransBlock模块的FCU模块的上采样融合分支中，得到全局融合特征；将所述第三卷积特征和所述全局融合特征进行加和后输入到第一个ConvTransBlock模块的卷积分支的第二个反残差模块的深度卷积层中，并将得到的结果进行归一化处理，得到第二深度卷积特征；将所述第二深度卷积特征输入到第一个ConvTransBlock模块的卷积分支的第二个反残差模块的第二个点卷积层中，并将得到的卷积结果和所述第二卷积特征进行加和，得到第一局部特征。

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长沙理工大学，其通讯地址为：410000 湖南省长沙市天心区赤岭路45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”。