買(mǎi)專(zhuān)利賣(mài)專(zhuān)利找龍圖騰，真高效！ 查專(zhuān)利查商標(biāo)用IPTOP,全免費(fèi)！專(zhuān)利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉南京信息工程大學(xué)申請(qǐng)的專(zhuān)利基于解剖先驗(yàn)感知的醫(yī)學(xué)血管分割動(dòng)態(tài)優(yōu)化方法及系統(tǒng)獲國(guó)家發(fā)明授權(quán)專(zhuān)利權(quán)，本發(fā)明授權(quán)專(zhuān)利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN120451180B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-02發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專(zhuān)利申請(qǐng)?zhí)?專(zhuān)利號(hào)為：202510949414.7，技術(shù)領(lǐng)域涉及：G06T7/10；該發(fā)明授權(quán)基于解剖先驗(yàn)感知的醫(yī)學(xué)血管分割動(dòng)態(tài)優(yōu)化方法及系統(tǒng)是由王知極;黃韞梔設(shè)計(jì)研發(fā)完成，并于2025-07-10向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專(zhuān)利申請(qǐng)。

本基于解剖先驗(yàn)感知的醫(yī)學(xué)血管分割動(dòng)態(tài)優(yōu)化方法及系統(tǒng)在說(shuō)明書(shū)摘要公布了：本發(fā)明公開(kāi)了基于解剖先驗(yàn)感知的醫(yī)學(xué)血管分割動(dòng)態(tài)優(yōu)化方法及系統(tǒng)，屬于人工智能領(lǐng)域和醫(yī)學(xué)影像處理技術(shù)領(lǐng)域。該方法獲取醫(yī)學(xué)影像數(shù)據(jù)和對(duì)應(yīng)的血管標(biāo)注數(shù)據(jù)，構(gòu)建成數(shù)據(jù)集，并對(duì)訓(xùn)練集中數(shù)據(jù)進(jìn)行預(yù)處理和后處理；構(gòu)建分割模型，包括多尺度特征融合模塊和動(dòng)態(tài)蛇形卷積模塊；構(gòu)建分割模型的損失函數(shù)，利用訓(xùn)練集和血管標(biāo)注數(shù)據(jù)對(duì)分割模型進(jìn)行訓(xùn)練；利用訓(xùn)練之后的分割模型對(duì)測(cè)試集中的醫(yī)學(xué)影像數(shù)據(jù)進(jìn)行血管分割。本發(fā)明通過(guò)動(dòng)態(tài)配置的多尺度特征融合模塊與融合機(jī)制以及拓?fù)涓兄膭?dòng)態(tài)優(yōu)化策略，有效解決了現(xiàn)有方法難以兼顧血管結(jié)構(gòu)精細(xì)化分割和整體拓?fù)渫暾缘膯?wèn)題，顯著提升了醫(yī)學(xué)血管分割模型的魯棒性和運(yùn)行效率。

本發(fā)明授權(quán)基于解剖先驗(yàn)感知的醫(yī)學(xué)血管分割動(dòng)態(tài)優(yōu)化方法及系統(tǒng)在權(quán)利要求書(shū)中公布了：1.基于解剖先驗(yàn)感知的醫(yī)學(xué)血管分割動(dòng)態(tài)優(yōu)化方法，其特征在于，包括以下步驟： 獲取醫(yī)學(xué)影像數(shù)據(jù)和對(duì)應(yīng)的血管標(biāo)注數(shù)據(jù)，構(gòu)建成數(shù)據(jù)集，按比例將數(shù)據(jù)集劃分為訓(xùn)練集和測(cè)試集，并對(duì)訓(xùn)練集中數(shù)據(jù)進(jìn)行預(yù)處理和后處理； 構(gòu)建分割模型，包括多尺度特征融合模塊和動(dòng)態(tài)蛇形卷積模塊； 構(gòu)建分割模型的損失函數(shù)，利用訓(xùn)練集和血管標(biāo)注數(shù)據(jù)對(duì)分割模型進(jìn)行訓(xùn)練； 利用訓(xùn)練之后的分割模型對(duì)測(cè)試集中的醫(yī)學(xué)影像數(shù)據(jù)進(jìn)行血管分割； 后處理是指將預(yù)處理后得到的三維體數(shù)據(jù)圖像塊分別在矢狀位、冠狀位和橫軸位上進(jìn)行最大強(qiáng)度投影，得到二維切片圖像，將二維切片圖像通過(guò)廣播操作使尺度重構(gòu)到與三維體數(shù)據(jù)圖像塊相同，得到3組圖像塊，將三維體數(shù)據(jù)圖像塊和3組圖像塊作為輸入項(xiàng)，輸入至分割模型中； 多尺度特征融合模塊的工作過(guò)程包括： 將分割模型的輸入特征圖記為，其中表示批次大小，表示輸入特征通道數(shù)，分別為三維圖像的深度、高度和寬度； 將特征圖輸入至多尺度特征融合模塊后，經(jīng)過(guò)五層相同結(jié)構(gòu)的特征融合； 在每一層特征融合中，特征圖首先進(jìn)行平均池化以提取全局特征，隨后通過(guò)全連接層和Softmax歸一化層自適應(yīng)生成各尺度卷積分支的權(quán)重，其中，K表示K種尺度；隨后，全局特征并行經(jīng)過(guò)多組不同卷積核大小的卷積操作，各分支卷積結(jié)果與其權(quán)重相乘后進(jìn)行求和融合，得到融合后的多尺度特征圖，表示為，其中表示輸出特征通道數(shù)； 其中融合后的多尺度特征圖由如下公式計(jì)算得到： ， 其中，表示特征圖與尺度為的卷積核進(jìn)行的卷積操作；滿(mǎn)足； 動(dòng)態(tài)蛇形卷積模塊的工作過(guò)程包括： 將最后一層的多尺度特征融合模塊的輸出特征圖記為，，表示輸入特征通道數(shù)； 對(duì)于特征圖y進(jìn)行一層3D卷積操作，輸出通道為，其中P表示動(dòng)態(tài)蛇形卷積的采樣點(diǎn)數(shù)，再經(jīng)過(guò)歸一化和非線(xiàn)性激活函數(shù)tanh，得到范圍約束在[-1,1]之間的偏移量，該偏移量分為兩組，每組在Z、Y、X三個(gè)方向共個(gè)偏移，Z、Y、X分別代表深度、高度和寬度；再以原始整數(shù)網(wǎng)格為基礎(chǔ)，分別在Z、Y、X三個(gè)方向生成個(gè)等間距相對(duì)坐標(biāo)，等間距相對(duì)坐標(biāo)表示為若有P個(gè)點(diǎn)待偏移，則在整數(shù)范圍內(nèi)從到生成一個(gè)長(zhǎng)度為P的序列，將偏移量累加，得到三維浮點(diǎn)采樣坐標(biāo)； 對(duì)浮點(diǎn)坐標(biāo)在三維空間內(nèi)執(zhí)行雙線(xiàn)性插值計(jì)算，得到形變特征圖，對(duì)所有通道做群歸一化和ReLU激活，得到動(dòng)態(tài)蛇形卷積層的輸出特征圖，表示為，其中表示輸出特征通道數(shù)。

如需購(gòu)買(mǎi)、轉(zhuǎn)讓、實(shí)施、許可或投資類(lèi)似專(zhuān)利技術(shù)，可聯(lián)系本專(zhuān)利的申請(qǐng)人或?qū)＠麢?quán)人南京信息工程大學(xué)，其通訊地址為：211899 江蘇省南京市江北新區(qū)華富路1號(hào)數(shù)智溪谷4號(hào)樓；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話(huà)0551-65771310或微信搜索“龍圖騰網(wǎng)”。