買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉哈爾濱工業(yè)大學(xué)(威海);哈工大蘇州研究院申請的專利基于深度學(xué)習(xí)的血管內(nèi)脂質(zhì)斑塊自動分割方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN120071408B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-09-09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)的專利申請?zhí)?專利號為：202411957673.6，技術(shù)領(lǐng)域涉及：G06V40/14；該發(fā)明授權(quán)基于深度學(xué)習(xí)的血管內(nèi)脂質(zhì)斑塊自動分割方法是由孫明健;劉愷銘;俞開誠;吳東劍;張敬禹設(shè)計研發(fā)完成，并于2024-12-30向國家知識產(chǎn)權(quán)局提交的專利申請。

本基于深度學(xué)習(xí)的血管內(nèi)脂質(zhì)斑塊自動分割方法在說明書摘要公布了：本發(fā)明公開了一種基于深度學(xué)習(xí)的血管內(nèi)脂質(zhì)斑塊自動分割方法，所述方法利用改進(jìn)的U?Net++網(wǎng)絡(luò)架構(gòu)來實現(xiàn)高精度的血管內(nèi)外膜分割，然后在此基礎(chǔ)上，采用基于灰度值、邊緣特征和紋理特征的K?means聚類算法，通過加入記憶機(jī)制，確保聚類過程中的穩(wěn)定性和一致性，實現(xiàn)對斑塊類型的精確分類。本發(fā)明通過使用改進(jìn)U?Net++網(wǎng)絡(luò)進(jìn)行超聲和光聲圖像的內(nèi)外膜分割，能夠精確區(qū)分血管壁的不同結(jié)構(gòu)，從而實現(xiàn)脂質(zhì)斑塊的準(zhǔn)確識別、高精度的脂質(zhì)斑塊分割和分類，依靠基于特征選擇和記憶機(jī)制優(yōu)化的K?means聚類算法能夠在虛擬組織學(xué)中實現(xiàn)較為準(zhǔn)確和穩(wěn)定的分類效果，為進(jìn)一步的病變分析和臨床應(yīng)用提供了可靠的基礎(chǔ)。

本發(fā)明授權(quán)基于深度學(xué)習(xí)的血管內(nèi)脂質(zhì)斑塊自動分割方法在權(quán)利要求書中公布了：1.一種基于深度學(xué)習(xí)的血管內(nèi)脂質(zhì)斑塊自動分割方法，其特征在于所述方法包括如下步驟： 步驟1：獲取用于訓(xùn)練和測試的超聲和光聲血管圖像數(shù)據(jù)集； 步驟2：對原始血管圖像進(jìn)行標(biāo)準(zhǔn)化、歸一化預(yù)處理操作； 步驟3：對U-Net++網(wǎng)絡(luò)進(jìn)行改進(jìn)，構(gòu)建改進(jìn)的多層U-Net++網(wǎng)絡(luò)架構(gòu)： 采用經(jīng)典的U-Net++網(wǎng)絡(luò)結(jié)構(gòu)作為初始化網(wǎng)絡(luò)結(jié)構(gòu)，其包含嵌套的U形結(jié)構(gòu)和密集連接；在此基礎(chǔ)上引入MLP模塊和KAN模塊對U-Net++網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行優(yōu)化； 步驟4：在訓(xùn)練集上訓(xùn)練步驟3構(gòu)建的多層U-Net++網(wǎng)絡(luò)，進(jìn)行參數(shù)更新； 步驟5：在驗證集中運(yùn)行步驟4訓(xùn)練好的網(wǎng)絡(luò)，基于深度監(jiān)督操作，選擇評估指標(biāo)最高的網(wǎng)絡(luò)作為分割網(wǎng)絡(luò)； 步驟6：在測試集上運(yùn)行步驟5選擇的最優(yōu)網(wǎng)絡(luò)，進(jìn)行圖像分割，并依據(jù)各層網(wǎng)絡(luò)在測試集上的表現(xiàn)進(jìn)行剪枝； 步驟7：應(yīng)用步驟6得到的最終改進(jìn)的U-Net++模型對新采集的超聲和光聲血管圖像進(jìn)行分割，明確標(biāo)記出血管內(nèi)外膜的位置； 步驟8：使用增加記憶因子的K-means聚類方法對血管壁成分進(jìn)行分割，具體步驟如下： 步驟8-1：初始化previous_centroids為None，在第一次聚類時使用默認(rèn)的初始化方法； 步驟8-2：定義記憶因子，引入一個變量memory_factor，若memory_factor=0意味著完全不考慮歷史信息，而memory_factor=1則表示完全依賴歷史信息； 步驟8-3：修改apply_kmeans函數(shù)，在計算新的聚類中心時加入記憶因子的影響，在主循環(huán)中，當(dāng)處理每張圖片時，調(diào)用帶有記憶因子的apply_kmeans函數(shù)，并傳遞previous_centroids和memory_factor參數(shù)，更新previous_centroids為當(dāng)前幀的新聚類中心，以便影響下一幀的聚類過程； 步驟8-4：對每一幀圖像執(zhí)行分割、提取感興趣區(qū)域、應(yīng)用帶有記憶因子的K-means聚類、將聚類結(jié)果映射到顏色并生成彩色圖像操作，并將每個處理后的圖像添加到視頻流中，完成所有幀的處理后，釋放視頻寫入對象并保存最終的輸出視頻。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人哈爾濱工業(yè)大學(xué)(威海);哈工大蘇州研究院，其通訊地址為：264209 山東省威海市文化西路2號；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0551-65771310或微信搜索“龍圖騰網(wǎng)”。