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！

龙图腾网获悉中国海洋大学申请的专利一种基于改进YOLO模型的肝微小转移瘤图像检测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：CN121685539B 。

龙图腾网通过国家知识产权局官网在2026-04-17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：202610188193.0，技术领域涉及：G06T7/00；该发明授权一种基于改进YOLO模型的肝微小转移瘤图像检测方法是由丁晓倩;于明明;辛永宁设计研发完成，并于2026-02-10向国家知识产权局提交的专利申请。

本一种基于改进YOLO模型的肝微小转移瘤图像检测方法在说明书摘要公布了：本发明属于肝微小转移瘤图像检测技术领域，公开了一种基于改进YOLO模型的肝微小转移瘤图像检测方法。本发明针对肝微小转移瘤尺寸小、低对比度、易与血管伪影混淆等检测痛点，提出了一种基于改进YOLOV8架构的肝微小转移瘤图像检测模型，通过在模型骨干网络中引入嵌套式多尺度自适应卷积模块与低对比度自适应卷积模块，在颈部网络中设计动态跨通道融合模块与动态上采样模块，在检测端优化检测头结构并新增医学先验后处理模块，构建了适配肝微小转移瘤图像检测场景的目标检测网络，有效实现了对肝微小转移瘤的精准特征提取、高效多尺度融合与可靠检测判定，最终提升了微小病灶的检测灵敏度与特异性，降低了血管伪影等干扰因素的影响。

本发明授权一种基于改进YOLO模型的肝微小转移瘤图像检测方法在权利要求书中公布了：1.一种基于改进YOLO模型的肝微小转移瘤图像检测方法，其特征在于，包括如下步骤： 步骤1.获取腹部CT或增强MRI肝部图像，对图像进行预处理，并构建数据集； 步骤2.搭建基于改进YOLOV8模型架构的肝微小转移瘤图像检测模型，其中肝微小转移瘤图像检测模型包括骨干网络、颈部网络以及检测头； 在骨干网络中利用改进的C2F模块NMSAC-C2F替换对原始C2F模块； NMSAC-C2F模块中将串联的Bottleneck单元替换为NMSAC-Bottleneck模块，在保证输入输出维度与原始C2F模块完全兼容的前提下，强化对肝微小转移瘤的特征提取能力； 其中NMSAC-Bottleneck模块的核心为多尺度自适应卷积模块NMSAC； 在骨干网络中的最后一个NMSAC-C2F模块与骨干网络中的SPPF模块之间设计低对比度自适应卷积模块即LCAC模块，以针对性强化隐匿性肝微小转移瘤的弱特征信号； 在颈部网络中设计动态跨通道融合模块DCCFM，结合肝组织的通道特征簇医学先验，动态跨通道融合多尺度特征，以抑制血管伪影对微小病灶的干扰，提升病灶特征辨识度； 步骤3.基于步骤1的数据集对步骤2构建的肝微小转移瘤图像检测模型进行训练，并利用训练好的肝微小转移瘤图像检测模型，实现肝微小转移瘤图像检测； 所述多尺度自适应卷积模块NMSAC采用主支+双辅支结构，主支为3×3标准卷积，双辅支分别为1×1压缩卷积与5×5可变形卷积，并通过自适应权重融合单元，基于特征图像素的灰度梯度值动态分配各分支权重，以捕捉肝微小转移瘤的局部细节特征，并兼顾肝实质的全局上下文特征； 所述LCAC模块的输入为骨干网络中最后一个NMSAC-C2F模块的输出特征图； LCAC模块的输出特征图的维度与LCAC模块的输入特征图的维度一致；其中LCAC模块包括局部对比度感知单元、动态卷积调整单元与特征精炼输出单元； 局部对比度感知单元首先对原始输入特征图执行3×3滑动窗口划分，为每个像素生成包含自身及周围8个像素的局部窗口； 随后对每个窗口计算灰度极值，得到窗口内的最大灰度值与最小灰度值； 接着代入局部对比度公式计算每个窗口的对比度，公式如下： ； 其中，10-5的微小常数用于避免分母为0的情况； 最后对所有窗口的对比度值做归一化处理，将对比度映射至[0,1]区间，生成像素级的对比度系数图；其中越接近0，代表3×3滑动窗口区域为低对比度疑似病灶区域；越接近1，代表3×3滑动窗口区域为常规对比度背景区域； 完成计算后，将对比度系数图与原始输入特征图并行传递至动态卷积调整单元； 动态卷积调整单元用于基于局部对比度感知单元输出的对比度系数图与原始输入特征图，并行执行权重调整与步长调整两个关键操作，过程如下： 在权重调整中，动态卷积调整单元将预设的3×3卷积核原始权重与系数相乘，得到动态调整后的卷积核权重； 在步长调整中，动态卷积调整单元基于的阈值判断动态设置卷积步长： 若＜0.3，步长设为1，以避免下采样丢失弱特征细节； 若≥0.3，步长设为2，以保持常规下采样效率； 将分别经过权重调整与步长调整的卷积核权重与步长，作用于动态3×3卷积层，对原始输入特征图执行卷积计算，输出维度为原始输入特征相同的动态卷积特征图； 特征精炼输出单元对动态卷积特征图执行批归一化处理；随后通过SiLU激活函数引入非线性变换，以精炼特征的非线性表达；最终输出维度为原始输入特征相同的特征图； 所述动态跨通道融合模块DCCFM用于接收颈部网络中原始C2f模块的输出特征图； DCCFM模块的输出特征图，与DCCFM模块的输入特征图维度相同；其中DCCFM模块包括通道特征簇感知单元、动态权重分配单元与跨通道融合精炼单元； 通道特征簇感知单元首先计算输入特征图中每个通道的特征响应统计量，即每个通道的响应均值与方差，将其组合为通道特征向量； 随后采用K-means聚类算法，将所有通道分为病灶特征簇、血管伪影特征簇以及背景特征簇三类，得到通道级的簇标签图； 其中0代表病灶特征通道、1代表血管伪影特征通道、2代表背景特征通道； 动态权重分配单元用于基于通道特征簇感知单元输出的簇标签图，为每个通道分配动态权重，以实现抑制血管伪影、增强病灶特征的定向调控； 动态权重分配单元的权重计算采用带温度系数的Softmax机制，公式为： ； 其中是可学习的温度系数，是第i个通道的簇标签；通过该公式生成的权重向量会与输入特征图的通道维度进行加权相乘，得到加权后的特征图；为输入特征图总通道数； 跨通道融合精炼单元用于对加权后的特征图进行跨通道交互与特征精炼； 跨通道融合精炼单元首先通过1×1卷积层实现通道间的特征交互，增强多尺度特征的关联，其中1×1卷积层的卷积核尺寸k=1、步长s=1、填充p=0； 随后对卷积输出执行批归一化处理，以此稳定特征分布；最后通过SiLU激活函数引入非线性变换，进一步精炼特征的非线性表达；最终输出的特征图维度与输入完全一致。

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中国海洋大学，其通讯地址为：266000 山东省青岛市黄岛区三沙路1299号中国海洋大学；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”。

以上内容由龙图腾AI智能生成。