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！

龍圖騰網獲悉長春大學申請的專利基于深度學習的三維醫學圖像分割方法、設備及介質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：CN120451195B 。

龍圖騰網通過國家知識產權局官網在2025-08-29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：202510885212.0，技術領域涉及：G06T7/13；該發明授權基于深度學習的三維醫學圖像分割方法、設備及介質是由王一帆;蔡泓宇;王柳;匡哲君;趙劍;王海燕設計研發完成，并于2025-06-30向國家知識產權局提交的專利申請。

本基于深度學習的三維醫學圖像分割方法、設備及介質在說明書摘要公布了：基于深度學習的三維醫學圖像分割方法、設備及介質。屬于醫學圖像處理技術領域，具體涉及三維醫學圖像分割技術領域。其解決了現有方法面對形態各異、尺寸差異大、邊界模糊的分割目標時，因為全局建模能力不足所導致的解剖結構完整性差；或者因為局部歸納偏置缺失導致的對目標的邊緣分割精度不足的問題。所述方法包括如下步驟：收集三維醫學圖像，按照比例劃分訓練集與驗證集；構建三維醫學圖像分割模型；三維醫學圖像分割模型訓練：將訓練集的數據輸入步驟S2所述的建三維醫學圖像分割模型進行訓練，以此獲得符合要求的模型參數，并通過驗證集驗證效果；通過訓練好的三維醫學圖像分割模型進行三維醫學圖像的分割。

本發明授權基于深度學習的三維醫學圖像分割方法、設備及介質在權利要求書中公布了：1.一種基于深度學習的三維醫學圖像分割方法，其特征在于，所述方法包括如下步驟： S1、數據采集與劃分： 收集三維醫學圖像，按照比例劃分訓練集與驗證集； S2、構建三維醫學圖像分割模型，具體為： S21、構建具有雙路徑的編碼器，所述雙路徑的編碼器由四個相同的基礎模塊構成，每個基礎模塊中包括主干路徑和輔助路徑，且主干路徑和輔助路徑的輸出進入特征融合模塊進行融合； 所述主干路徑由標準卷積模塊構成，所述標準卷積模塊中包含兩層，每一層都依次包含卷積層、三維實例標準化層和激活層； 所述輔助路徑由多軸向的多分支深度可分離卷積模塊構成，所述多軸向的多分支深度可分離卷積模塊包括三個特征提取分支，第一個特征提取分支為深度卷積分支，第二個特征提取分支為定向大核深度卷積分支，第三個特征提取分支為恒等映射分支； 特征融合模塊中對主干路徑和輔助路徑輸出的特征進行逐元素相加，得到融合特征，然后對該融合特征的空間和通道維度分別壓縮，計算出通道注意力權重和空間注意力權重，接下來將通道注意力權重和空間注意力權重乘到主干路徑和輔助路徑輸出的特征中，然后將加權后的輔助路徑輸出的特征通過引導注意力融合模塊動態融合到加權后的主干路徑輸出的特征中； S22、構建解碼器，所述解碼器包括B-ViL模塊以及逐層的上采樣模塊，編碼器的輸出先進入B-ViL模塊然后再依次經過逐層的上采樣模塊后通過輸出層輸出； 所述B-ViL模塊利用塊嵌入操作將輸入特征分割為若干塊，將這些塊映射到固定的維度并為每個塊添加一個可學習的向量，然后利用這些塊構建一個輸入序列，通過雙向掃描機制的Vision-LSTM模塊處理所述序列，從而捕獲特征空間位置之間的關系，最后通過塊擴展操作將處理后的序列重新映射回與輸入特征相同的空間維度和尺寸； S3、三維醫學圖像分割模型訓練：將訓練集的數據輸入步驟S2所述的三維醫學圖像分割模型進行訓練，以此獲得符合要求的模型參數，并通過驗證集驗證效果； S4、通過訓練好的三維醫學圖像分割模型進行三維醫學圖像的分割。

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長春大學，其通訊地址為：130022 吉林省長春市衛星路6543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”。