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！

龙图腾网恭喜哈尔滨医科大学附属第一医院申请的专利一种基于深度自编码器构图的冠状动脉狭窄识别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：CN115984555B 。

龙图腾网通过国家知识产权局官网在2025-04-08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：202211594171.2，技术领域涉及：G06V10/26；该发明授权一种基于深度自编码器构图的冠状动脉狭窄识别方法是由迟锦玉;孟妍;王慧颖;张琦;王庆岩设计研发完成，并于2022-12-13向国家知识产权局提交的专利申请。

本一种基于深度自编码器构图的冠状动脉狭窄识别方法在说明书摘要公布了：本发明提供一种基于深度自编码器构图的冠状动脉狭窄识别方法，属于深度学习技术领域。为解决现有的图神经网络在应用于冠状动脉狭窄病理识别时，往往由于影像中的冗余干扰使识别效果不佳，且需要较大量样本构建网络模型，目前对冠状动脉狭窄病理识别仍需过度依赖专家经验的问题。本发明方法通过对冠状动脉整体CTA影像进行超像素分割，对得到的超像素分割图进行粗识别，确定冠状动脉狭窄的可疑位置；再通过基于深度自编码器网络的冠状动脉狭窄识别模型对可疑位置对应的横截面CTA影像进行精识别，得到冠状动脉的狭窄级别结果，所述冠状动脉狭窄识别模型包括超像素分割模块、特征提取模块和分类模块。本发明方法可对冠状动脉狭窄实现较高准确率识别。

本发明授权一种基于深度自编码器构图的冠状动脉狭窄识别方法在权利要求书中公布了：1.一种基于深度自编码器构图的冠状动脉狭窄识别方法，其特征在于包括以下步骤：S1、采集冠状动脉CTA影像，包括冠状动脉整体CTA影像和对应的冠状动脉横截面CTA影像，并将冠状动脉CTA影像随机划分为训练集和测试集，将训练集横截面CTA影像的冠状动脉狭窄等级进行标注；S2、对测试集冠状动脉整体CTA影像进行超像素分割，对得到的超像素分割图进行粗识别，确定冠状动脉狭窄的可疑位置；S3、构建基于深度自编码器网络的冠状动脉狭窄识别模型，所述冠状动脉狭窄识别模型包括超像素分割模块、特征提取模块和分类模块；将S2得到的可疑位置对应的横截面CTA影像与训练集横截面CTA影像合并输入至所述冠状动脉狭窄识别模型中进行学习，得到测试集样本的冠状动脉的狭窄级别，通过专科医生对输出结果的准确性进行分析，得到模型识别的准确率；S4、将待识别冠状动脉整体CTA影像按S2所述方法确定狭窄可疑位置，将可疑位置对应的冠状动脉横截面CTA影像与训练集横截面CTA影像合并输入至学习好的冠状动脉狭窄识别模型中进行识别，得到冠状动脉狭窄等级结果；所述超像素分割模块基于以图结构为基础的渐进式超像素分割算法，对动脉横截面影像进行去噪，并使影像的边界明确；分割图中的每个超像素对应于结构图中的一个唯一节点，通过合并上一级分割图中的一些相邻超像素生成本级分割图，与之对应的，通过合并上一级结构图中的相关节点得到本级结构图；共进行n-1次超像素分割，得到的层级矩阵和邻接矩阵分别用Hl和Al表示，其中，l＝2、3、……、n；所述特征提取模块基于深度自编码器网络，采用卷积层对每个结构图进行图卷积操作，为了提高特征对原始图像的表征能力，采用交叉熵损失函数对模型进行优化；编码过程：在第一级编码器中，设计浅层特征提取机制代替图卷积操作，利用图卷积对第2到第n级自编码器中的超像素图像进行特征学习，学习到的特征用El表示：El＝fGBNPoolHl-1,Al,2≤l≤n其中，层级矩阵Hl用于连接SAE网络中各级的特征；邻接矩阵Al所表示的图结构用于构造自编码器，BN·表示批归一化函数，Pool·表示池化函数，fG·表示图卷积过程，定义为： 其中，式中σ·表示LeakyReLU激活函数，M是的度矩阵，W、Wθ、B、λ是可学习的参数，Θ表示Hadamard积；I为单位矩阵；解码过程：利用图卷积重构特征，并从粗到细将特征融合，特征Fl的重构过程为：Fl＝fGBNUnpoolFl+1,Al,2≤l＜n其中，Unpool·表示非池化函数；对应于第一级编码器，设计最后一级解码器的结构，把由图卷积得到的重构特征Fn-1输入最后一级解码器，从而得到冠状动脉横截面的特征FO＝Fn；所述分类模块基于稀疏表达算法构造图结构并基于稀疏图正则化算法对样本狭窄等级进行分类；所述稀疏表达算法构造图结构过程为：将所述深度自编码器网络提取的冠状动脉横截面特征Fo分为t个带标记样本的特征Ft和u个未标记样本的特征Fu，带标记样本的病理标签构成标记矩阵Y；所有带标记样本的特征Ft构成一字典D，对于每个未标记样本的特征xu∈Fu都表示为字典D的非负线性组合： 其中，β为正则化参数，Z是分数矩阵。

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哈尔滨医科大学附属第一医院，其通讯地址为：150000 黑龙江省哈尔滨市南岗区邮政街23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”。