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！

龙图腾网获悉南京邮电大学申请的专利一种医学影像病灶特征值异常消除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：CN117171683B 。

龙图腾网通过国家知识产权局官网在2026-05-12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：202311051253.7，技术领域涉及：G06F18/2433；该发明授权一种医学影像病灶特征值异常消除方法是由陈建新;张顺;戎剑;刘赟;许景艳设计研发完成，并于2023-08-21向国家知识产权局提交的专利申请。

本一种医学影像病灶特征值异常消除方法在说明书摘要公布了：本发明提出了一种医学影像病灶特征值异常消除方法，采用综合密度和统计的异常值检测模型和基于集成学习的弱监督模型。包括以下步骤：为保证模型的泛化能力，针对病人特征数据集按比例划分为训练集和测试集，利用综合密度和统计的异常值检测模型进行拟合检测，利用训练集拟合模型对测试集数据进行异常值检测，以病人为单位，统计异常特征数量；分别针对训练集数据和测试集数据，利用弱监督模型纠正异常值；利用筛选模型加分类器，判断异常检测模型是否有效。本方法基于减少异常特征，削弱因医学图像勾画不精确引起的病灶特征值异常的影响，从而提高预测准确率。

本发明授权一种医学影像病灶特征值异常消除方法在权利要求书中公布了：1.一种医学影像病灶特征值异常消除方法，其特征在于，具体步骤如下： 步骤1：将数据集按照比例划分为训练集和测试集，利用综合了密度以及统计的异常值检测模型对训练集进行拟合检测、利用训练集拟合模型对测试集数据进行异常值检测；综合异常值检测模型包括基于密度检测的LOF算法以及基于统计学的四分位距算法检测异常值的两种方法，只有当所述基于密度检测的LOF算法以及所述基于统计学的四分位距算法都判定特征数据里的特征值是异常值时，该值才被确定为异常值，否则即为正常值； 步骤2：以病人为单位，根据训练集数据和测试集数据统计每个病人的异常特征数量，画出病人的特征数据异常数量分布图，根据所述特征数据异常数量分布图确定异常的阈值，数量大于该阈值为异常数据的病人，数量小于该阈值的为正常数据的病人； 步骤3：根据训练集数据和测试集数据将正常病人分为正常病人训练集和正常病人测试集； 步骤4：对于训练集数据中的正常病人训练集以及异常病人数据和测试集数据中的正常病人训练集以及异常病人数据，利用弱监督的思想，弱监督只利用数据部分的标签，即正常病人训练集的标签，首先利用集成模型去拟合正常病人的数据与标签之间的关系，将正常病人里学习到的权重关系用于修正异常病人数据与标签间的关系，得到修正后的标签；其中，集成模型是一种基于决策树的随机森林模型，通过特征选择、决策树建立、样本抽样及计算特征重要性进行优化； 步骤5：分别将训练集数据和测试集数据中的正常病人训练集和异常病人训练集合并起来组成原训练集，将正常病人训练集与利用弱监督修正后的数据合并起来组成修正后的训练集，正常病人的测试集作为对应的测试集； 步骤6：分别对于训练集和测试集，利用筛选模型加分类器，通过对比原训练集拟合的模型在测试集上的表现和修正后的训练集拟合的模型在测试集上的表现来判断综合异常检测方法是否具有有效性；用模型的ROC曲线面积，表示为AUC，作为指标评价利用弱监督纠正后的训练集拟合的模型和原训练集拟合的模型的预测能力，若利用弱监督纠正后的训练集拟合的模型在测试集上的AUC优于原训练集拟合的模型在测试集上的AUC，则说明该综合异常检测方法有效，在后续的分析中通过减少异常特征来削弱医学图像因勾画不精确引起病灶特征值异常的情形。

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南京邮电大学，其通讯地址为：210023 江苏省南京市栖霞区文苑路9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。