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)獲悉西安交通大學(xué)申請(qǐng)的專利一種肝臟及肝腫瘤數(shù)據(jù)分割方法及系統(tǒng)獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN117197454B 。

龍圖騰網(wǎng)通過國(guó)家知識(shí)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(qǐng)?zhí)?專利號(hào)為：202311063338.7，技術(shù)領(lǐng)域涉及：G06V10/26；該發(fā)明授權(quán)一種肝臟及肝腫瘤數(shù)據(jù)分割方法及系統(tǒng)是由祖建;王崇宇;紀(jì)泛撲設(shè)計(jì)研發(fā)完成，并于2023-08-22向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種肝臟及肝腫瘤數(shù)據(jù)分割方法及系統(tǒng)在說明書摘要公布了：本發(fā)明公開了一種肝臟及肝腫瘤數(shù)據(jù)分割方法及系統(tǒng)，基于Unet網(wǎng)絡(luò)模型，提出了長(zhǎng)距離注意力機(jī)制和多特征融合模塊，并利用網(wǎng)絡(luò)的層級(jí)結(jié)構(gòu)設(shè)計(jì)出了跨層注意力機(jī)制；將跨層注意力機(jī)制和多特征融合模塊嵌入到Unet網(wǎng)絡(luò)當(dāng)中，結(jié)合殘差結(jié)構(gòu)，構(gòu)建ResCLA?MNet分割網(wǎng)絡(luò)模型；使用LiTS肝臟及肝腫瘤公開CT數(shù)據(jù)集進(jìn)行訓(xùn)練、驗(yàn)證，并測(cè)試網(wǎng)絡(luò)模型的分割性能；利用3DircaDb?01肝臟及肝腫瘤CT數(shù)據(jù)集測(cè)試ResCLA?MNet網(wǎng)絡(luò)模型的泛化性能，以保證網(wǎng)絡(luò)具有一定的數(shù)據(jù)遷移適用性；收集醫(yī)院腹部肝臟及肝腫瘤CT數(shù)據(jù)集，利用訓(xùn)練完成的網(wǎng)絡(luò)模型在數(shù)據(jù)集上進(jìn)行實(shí)踐，驗(yàn)證網(wǎng)絡(luò)的應(yīng)用效果。本發(fā)明在Unet的基礎(chǔ)上，借鑒Unet網(wǎng)絡(luò)架構(gòu)，結(jié)合注意力機(jī)制和多特征融合的優(yōu)勢(shì)，提高了網(wǎng)絡(luò)模型對(duì)肝臟及肝腫瘤的分割準(zhǔn)確率。

本發(fā)明授權(quán)一種肝臟及肝腫瘤數(shù)據(jù)分割方法及系統(tǒng)在權(quán)利要求書中公布了：1.一種肝臟及肝腫瘤數(shù)據(jù)分割方法，其特征在于，包括以下步驟： S1、分別對(duì)LiTS和3DircaDb-01肝臟及肝腫瘤公開CT數(shù)據(jù)集，以及待分割肝臟及肝腫瘤CT數(shù)據(jù)集進(jìn)行預(yù)處理，將預(yù)處理后的LiTS肝臟及肝腫瘤數(shù)據(jù)集劃分為訓(xùn)練集、驗(yàn)證集和測(cè)試集； S2、構(gòu)建具有跨層注意力機(jī)制和多特征融合模塊的ResCLA-MNet分割網(wǎng)絡(luò)模型，使用步驟S1得到的LiTS肝臟及肝腫瘤訓(xùn)練集、驗(yàn)證集和測(cè)試集對(duì)ResCLA-MNet分割網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練、驗(yàn)證、測(cè)試以及消融實(shí)驗(yàn)，具體為： S201、構(gòu)建跨層注意力機(jī)制和多特征融合模塊，并將其與殘差結(jié)構(gòu)一同嵌入U(xiǎn)net網(wǎng)絡(luò)中，得到ResCLA-MNet網(wǎng)絡(luò)模型，具體為： S2011、對(duì)于跨層注意力機(jī)制模塊，首先構(gòu)建長(zhǎng)距離注意力機(jī)制，利用條形池化對(duì)CT圖像的橫向和豎向特征進(jìn)行壓縮并拼接，通過卷積操作提取特征后對(duì)拼接信息進(jìn)行拆分，再通過卷積恢復(fù)信息通道數(shù)，利用Sigmoid操作獲取注意力權(quán)重，并利用矩陣乘法獲取與原圖像尺寸相同的注意力權(quán)重，將權(quán)重賦予給原圖像，完成長(zhǎng)距離注意力權(quán)重的賦予； S2012、完成長(zhǎng)距離注意力權(quán)重的賦予后，添加擠壓與激勵(lì)注意力機(jī)制，并對(duì)機(jī)制進(jìn)行改進(jìn)，使得輸出的注意力權(quán)重尺寸實(shí)現(xiàn)跨層傳遞，稱長(zhǎng)距離注意力機(jī)制和擠壓與激勵(lì)注意力機(jī)制整體為跨層注意力機(jī)制模塊； S2013、對(duì)于多特征融合模塊，將長(zhǎng)距離注意力機(jī)制LDA加入到Unet的跳躍連接中，并使用深度可分離卷積將上層跳躍連接中的信息傳遞給下層的跳躍連接，稱這部分模塊為多特征融合模塊； S2014、以Unet分割網(wǎng)絡(luò)模型為基礎(chǔ)，在Unet的下采樣過程中加入跨層注意力機(jī)制模塊，在跳躍鏈接中加入多特征融合模塊，并在下采樣卷積過程中加入殘差結(jié)構(gòu)，構(gòu)建得到ResCLA-MNet分割網(wǎng)絡(luò)模型； S202、對(duì)步驟S201得到的ResCLA-MNet網(wǎng)絡(luò)模型中的模塊進(jìn)行移除，得到ResUnet，Res-Mnet，ResCLA-Net和ResCLA-MNet分割網(wǎng)絡(luò)； S203、使用步驟S1得到的LiTS肝臟和肝腫瘤訓(xùn)練集、驗(yàn)證集對(duì)步驟S202得到的ResUnet，Res-Mnet，ResCLA-Net和ResCLA-MNet分割網(wǎng)絡(luò)分別進(jìn)行訓(xùn)練和驗(yàn)證，并使用步驟S1得到的LiTS肝臟和肝腫瘤測(cè)試集對(duì)訓(xùn)練好的ResUnet，Res-Mnet，ResCLA-Net和ResCLA-MNet分割網(wǎng)絡(luò)分別進(jìn)行測(cè)試；采用Dice系數(shù)，Jaccard系數(shù)和Precision指標(biāo)對(duì)測(cè)試結(jié)果進(jìn)行評(píng)價(jià)，并得到網(wǎng)絡(luò)分割的肝臟及肝腫瘤輪廓效果圖； S3、使用步驟S2訓(xùn)練好的ResCLA-MNet分割網(wǎng)絡(luò)模型對(duì)步驟S1得到的3DircaDb-01肝臟及肝腫瘤數(shù)據(jù)集進(jìn)行泛化性測(cè)試，得到泛化性測(cè)試的評(píng)價(jià)指標(biāo)結(jié)果以及分割輪廓展示圖； S4、將步驟S1預(yù)處理后的待分割肝臟及肝腫瘤CT數(shù)據(jù)集輸入到步驟S2和步驟S3訓(xùn)練測(cè)試好的ResCLA-MNet分割網(wǎng)絡(luò)模型中，得到模型分割的評(píng)價(jià)指標(biāo)結(jié)果和分割輪廓展示圖，實(shí)現(xiàn)肝臟及肝腫瘤CT數(shù)據(jù)分割。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人西安交通大學(xué)，其通訊地址為：710049 陜西省西安市碑林區(qū)咸寧西路28號(hào)；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)”。