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！

龙图腾网获悉吉林大学申请的专利基于LSTM和GAN结合的肺结节生长预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：CN120727289B 。

龙图腾网通过国家知识产权局官网在2026-05-01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：202510915292.X，技术领域涉及：G16H50/30；该发明授权基于LSTM和GAN结合的肺结节生长预测方法是由程凯亮;张卜天;王爽;柳林;叶振设计研发完成，并于2025-07-03向国家知识产权局提交的专利申请。

本基于LSTM和GAN结合的肺结节生长预测方法在说明书摘要公布了：本发明公开了基于LSTM和GAN结合的肺结节生长预测方法，涉及图像分析与处理技术领域，本发明包括以下步骤：收集多时序胸部CT数据，进行标注并审核形成数据集；对标注后的CT数据进行预处理，得到标准化肺结节ROI；利用三维图像分割网络分割出肺结节区域，生成三维分割掩模；将多时间节点的分割掩模输入LSTM网络，提取表征结节动态演化的时序特征向量；基于时序特征向量和随机噪声，生成器合成预测的未来时刻肺结节图像，判别器通过多损失函数联合优化模型参数；输入当前及历史时刻的三维分割掩模，生成预测的未来时刻肺结节图像。本发明能够有效改善现有技术对时间序列信息利用不足且缺乏高质量生成和推断能力的情况。

本发明授权基于LSTM和GAN结合的肺结节生长预测方法在权利要求书中公布了：1.基于LSTM和GAN结合的肺结节生长预测方法，其特征在于：该方法包括以下步骤： 步骤1、收集多时序胸部CT影像数据，进行标注并审核形成数据集； 步骤2、对标注后的胸部CT影像数据进行预处理，得到标准化肺结节ROI； 步骤3、利用三维图像分割网络从标准化肺结节ROI中分割出肺结节区域，生成肺结节三维分割掩模； 步骤4、将多时间节点的分割掩模按时间顺序输入LSTM网络，提取表征结节动态演化的时序特征向量； 步骤5、基于时序特征向量和随机噪声，生成器合成预测的未来时刻肺结节图像，判别器通过多损失函数联合优化模型参数； 步骤6、输入当前及历史时刻的三维分割掩模，生成预测的未来时刻肺结节图像； 在步骤3中，所述三维图像分割网络包括： 基于TransUNet的全局特征融合：在U-Net编码器中融合VisionTransformer模块，使用全局自注意力机制捕捉肺结节与周边组织在远距离上的关联；采用与传统U-Net相似的多尺度跳跃连接结构，将浅层局部特征与深层全局特征融合；根据GPU显存设置Patch大小，并选用损失函数：Dice+CrossEntropy或FocalDice；配合学习率衰减或余弦退火策略进行训练； 在步骤5中，所述多损失函数包含对抗损失、像素级重建损失、结构相似性损失、特征匹配损失、3D切片一致性损失；多层次、多角度的损失函数设计具备以下特性：整体形态和强度分布：L1损失、保留肺结节的结构特征：SSIM损失、边缘和纹理：梯度损失、语义层面真实感：特征匹配损失、3D空间上解剖学连贯性：切片一致性损失。

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吉林大学，其通讯地址为：130012 吉林省长春市前进大街2699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”。

以上内容由龙图腾AI智能生成。