買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉中國人民解放軍總醫院第四醫學中心申請的專利一種基于深度學習的MRI醫學圖像分割方法及系統獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119741312B 。

龍圖騰網通過國家知識產權局官網在2025-08-26發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202411831970.6，技術領域涉及：G06T7/11；該發明授權一種基于深度學習的MRI醫學圖像分割方法及系統是由習偉;劉興杰;李天然設計研發完成，并于2024-12-12向國家知識產權局提交的專利申請。

本一種基于深度學習的MRI醫學圖像分割方法及系統在說明書摘要公布了：本發明公開了一種基于深度學習的MRI醫學圖像分割方法及系統，該方法包括：獲取乳腺MRI圖像并進行標準化處理，移除非感興趣區域獲取目標MRI圖像；將疑似病變區域進行細節增強重構為待預處理圖像；將待預處理圖像分別進行降噪處理、對比度增強和邊緣增強預處理，生成三種版本的輸入圖像，并作為三通道輸入到預先訓練好的深度學習模型中，完成乳腺腫瘤的識別；對乳腺腫瘤區域進行圖像分割，并對分割后的乳腺腫瘤進行分類。本發明提供的基于深度學習的MRI醫學圖像分割方法及系統，實現了乳腺MRI圖像精準高效處理，實現了對乳腺腫瘤的高效識別、準確分割和精確分類，能夠提高乳腺腫瘤檢測的準確率和魯棒性，為臨床提供高效、可靠的輔助診斷。

本發明授權一種基于深度學習的MRI醫學圖像分割方法及系統在權利要求書中公布了：1.一種基于深度學習的MRI醫學圖像分割方法，其特征在于，所述方法包括： S1、獲取乳腺MRI圖像并進行標準化處理，移除非感興趣區域獲取目標MRI圖像； S2、對目標MRI圖像進行初步目標確定，根據初步目標確定疑似病變區域，將疑似病變區域進行細節增強重構為待預處理圖像； S3、將待預處理圖像分別進行降噪處理、對比度增強和邊緣增強預處理，生成三種版本的輸入圖像，并作為三通道輸入到預先訓練好的深度學習模型中，完成乳腺腫瘤的識別； S4、對乳腺腫瘤區域進行圖像分割，并對分割后的乳腺腫瘤進行分類； 所述S2具體包括： 從目標MRI圖像Ifx,y中提取左右單側區域：Ilx,y＝Ifx,y，x∈[0,W2]，Irx,y＝Ifx,y，x∈[W2,W]，W表示圖像寬度； 分別對左右區域Ilx,y和Irx,y生成顯著性圖Sx,y，Sx,y＝|Gxx,y|+|Gyx,y|，其中，Sx,y表示顯著性值，Gxx,y和Gyx,y分別表示像素點x,y在x和y方向的灰度梯度； 計算左右顯著性圖的平均顯著性值，Slx,y表示左側乳腺顯著性圖中的顯著性值，|Sl|和|Sr|表示顯著性圖中非零像素的數量；比較左右顯著性圖差異，若|meanl-meanr|＞Td，Td表示顯著性差異閾值，則選擇顯著性較高的一側作為異常側，否則，將左右單側區域均作為異常側； 對異常側的顯著性圖Sx,y進行動態閾值處理：TS表示動態閾值，TS＝β·meansx,y，β表示動態調整系數，根據掩膜MRx,y確定疑似病變區域的最小外接矩形框，標記矩形框生成疑似病變區域圖像IRx,y； 針對疑似病變區域圖像IRx,y的標記矩形框區域進行局部增強，分解標記矩形框區域圖像IRx,y的標記矩形框區域進行高斯模糊提取基礎層，Ibx,y＝GaussianIRx,y,σ，σ表示高斯模糊的標準差，Gaussian表示高斯卷積函數；提取細節層，Idx,y＝IRx,y-Ibx,y，Ibx,y表示通過高斯模糊提取低頻分量，Idx,y表示高頻分量；動態增強細節層，Id,ex,y＝η·Idx,y，η表示動態增強因子，k表示增強比例因子，std表示細節層的標準差，ε表示正數；將增強后的細節層與基礎層疊加，生成增強圖像，Iex,y＝Ibx,y+Id,ex,y； 根據標記矩形框區域局部增強后的疑似病變區域圖像IRx,y生成待預處理圖像Iox,y。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人中國人民解放軍總醫院第四醫學中心，其通訊地址為：100048 北京市海淀區阜成路51號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。