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！

龍圖騰網獲悉太原理工大學申請的專利一種蜂窩狀肺CT圖像自動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：CN117011528B 。

龍圖騰網通過國家知識產權局官網在2025-09-05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：202310994772.0，技術領域涉及：G06V10/26；該發明授權一種蜂窩狀肺CT圖像自動分割方法及系統是由李鋼;張玲;李瑋晨;侯瑞祥;程珪娟;王啟陽;張海軒設計研發完成，并于2023-08-09向國家知識產權局提交的專利申請。

本一種蜂窩狀肺CT圖像自動分割方法及系統在說明書摘要公布了：本發明公開了一種蜂窩狀肺CT圖像自動分割方法及系統，涉及圖像分割技術領域。包括：對CT圖像數據進行預處理，建立包括編碼器、解碼器和跳躍連接的SAA?Unet模型，對模型進行訓練，更新模型參數，獲得訓練好的SAA?Unet模型，對訓練好的SAA?Unet模型進行性能評估，獲得最終的SAA?Unet模型，輸出分割好的具有蜂窩狀肺部病灶區域的CT圖像。本發明有助于提高網絡對蜂窩狀肺部CT圖像病灶區域的高層次特征描述能力，獲得更多的細節特征，取得更好的分割性能。

本發明授權一種蜂窩狀肺CT圖像自動分割方法及系統在權利要求書中公布了：1.一種蜂窩狀肺CT圖像自動分割方法，其特征在于： 獲取數據步驟：獲取蜂窩狀肺部CT圖像； 數據預處理步驟：對獲得的蜂窩狀肺部CT圖像進行裁剪，裁剪后的圖像利用高斯函數添加噪聲，將添加噪聲的圖像分為訓練數據集和測試數據集； 模型構建步驟：構建包括編碼器、解碼器和跳躍連接的SAA-Unet模型； 模型訓練步驟：將訓練數據集輸入SAA-Unet模型中，輸出蜂窩狀肺部CT圖像，利用輸出的蜂窩狀肺部病灶區域預測圖和實際蜂窩狀肺部病灶區域圖通過損失函數進行誤差分析，更新模型參數，獲得訓練好的SAA-Unet模型； 模型測試步驟：將測試數據集輸入訓練好的SAA-Unet模型，判斷輸出的蜂窩狀肺部病灶區域預測圖和實際蜂窩狀肺部病灶區域圖誤差是否達到預設的閾值，若為是，則返回模型訓練步驟；若為否，則結束模型測試步驟，得到測試后的SAA-Unet模型；對測試后的SAA-Unet模型進行評價，依據評價指標得到最終的SAA-Unet模型； 蜂窩狀肺部CT圖像分割步驟：將待分割的蜂窩狀肺CT圖像輸入最終的SAA-Unet模型，輸出具有分割后的蜂窩狀肺部病灶區域的CT圖像； 模型構建步驟中，SAA-Unet模型包括4層編碼器結構、4層解碼器結構和4層跳躍連接通道； 每層編碼器結構包含一個卷積層和一個分割-注意模塊，用來對圖像進行特征提取，獲取簡單特征得到圖像特征圖； 每層解碼器包括一個卷積層、一個上采樣模塊和一個注意模塊，用來對獲取的圖像特征圖中像素分類，獲取深層特征還原圖像； 第一跳躍連接通道連接第一編碼器和第四解碼器，將淺層特征與深層特征進行融合，獲得像素位置信息和權重信息，生成最終的像素位置編碼信息； 注意模塊具體包括： 1）通過卷積運算提取上采樣操作輸出的特征圖的空間信息，并通過ReLU激活函數傳輸，生成注意力門控信號，用于控制不同空間位置的特征的重要性； 2）同層編碼器輸出的特征圖和注意力門控信號同時傳送到注意力門控塊進行卷積運算，將下采樣層的結構信息和當前層的空間信息融合為特征信息； 3）利用Sigmoid函數對卷積運算后得到的特征圖進行歸一化處理，得到具有強關聯性的區域，并生成0～1的注意力權重系數； 4）將注意力權重系數與輸入特征相乘，得到最終輸出。

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太原理工大學，其通訊地址為：030600 山西省晉中市榆次區大學街209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”。