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)獲悉中國人民解放軍海軍軍醫(yī)大學(xué)申請(qǐng)的專利基于RMSD-Net的腹橫肌平面組織結(jié)構(gòu)識(shí)別方法及應(yīng)用獲國家發(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(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN119206215B 。

龍圖騰網(wǎng)通過國家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-12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：202411238076.8，技術(shù)領(lǐng)域涉及：G06V10/26；該發(fā)明授權(quán)基于RMSD-Net的腹橫肌平面組織結(jié)構(gòu)識(shí)別方法及應(yīng)用是由鄒最;劉龍;崔海坡;周苗;陳沾衡;徐文韻;郭文慧;朱成龍;吳清華;劉洋設(shè)計(jì)研發(fā)完成，并于2024-09-05向國家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本基于RMSD-Net的腹橫肌平面組織結(jié)構(gòu)識(shí)別方法及應(yīng)用在說明書摘要公布了：本發(fā)明提供了一種基于RMSD?Net的腹橫肌平面組織結(jié)構(gòu)識(shí)別方法及應(yīng)用，涉及圖像處理技術(shù)領(lǐng)域。所述方法包括步驟：針對(duì)已獲取的具有腹橫肌平面結(jié)構(gòu)的超聲圖像進(jìn)行數(shù)據(jù)預(yù)處理，建立腹部超聲圖像數(shù)據(jù)集；其中，所述具有腹橫肌平面結(jié)構(gòu)的超聲圖像中包括在TAP阻滯過程中能夠觀察到的關(guān)鍵腹部組織結(jié)構(gòu)信息；構(gòu)建U型網(wǎng)絡(luò)結(jié)構(gòu)的RMSD?Net模型；所述RMSD?Net模型包括編碼器、跳躍連接結(jié)構(gòu)以及解碼器；所述編碼器的各層中相應(yīng)添加多尺度殘差特征提取模塊RMDC模塊；所述跳躍連接結(jié)構(gòu)逐層使用特征融合模塊SFF模塊；在解碼器的最后一層中添加注意力機(jī)制GAM模塊；針對(duì)前述關(guān)鍵腹部組織結(jié)構(gòu)信息執(zhí)行分割任務(wù)，將前述腹部超聲圖像數(shù)據(jù)集劃分為訓(xùn)練集和測(cè)試集，并使用前述RMSD?Net模型分別進(jìn)行訓(xùn)練和測(cè)試；使用測(cè)試后的RMSD?Net模型對(duì)新獲取的具有腹橫肌平面結(jié)構(gòu)的超聲圖像進(jìn)行關(guān)鍵腹部組織結(jié)構(gòu)信息的分割識(shí)別。本發(fā)明能夠幫助臨床醫(yī)師對(duì)具有腹橫肌平面結(jié)構(gòu)的超聲圖像進(jìn)行快速準(zhǔn)確的解讀，以輔助其準(zhǔn)確地定位阻滯區(qū)域并進(jìn)行局麻藥的注射。

本發(fā)明授權(quán)基于RMSD-Net的腹橫肌平面組織結(jié)構(gòu)識(shí)別方法及應(yīng)用在權(quán)利要求書中公布了：1.一種基于RMSD-Net的腹橫肌平面組織結(jié)構(gòu)識(shí)別方法，其特征在于，具體包括： 針對(duì)已獲取的具有腹橫肌平面結(jié)構(gòu)的超聲圖像進(jìn)行數(shù)據(jù)預(yù)處理，建立腹部超聲圖像數(shù)據(jù)集；其中，所述具有腹橫肌平面結(jié)構(gòu)的超聲圖像中包括在TAP阻滯過程中能夠觀察到的關(guān)鍵腹部組織結(jié)構(gòu)信息；所述關(guān)鍵腹部組織結(jié)構(gòu)信息包括腹外斜肌、腹內(nèi)斜肌、腹橫肌、腹直肌和髂前上棘； 構(gòu)建U型網(wǎng)絡(luò)結(jié)構(gòu)的RMSD-Net模型；所述RMSD-Net模型包括編碼器、跳躍連接結(jié)構(gòu)以及解碼器；所述編碼器在各層使用原有雙卷積結(jié)構(gòu)的基礎(chǔ)上，在各層中相應(yīng)添加多尺度殘差特征提取模塊RMDC模塊，以對(duì)輸入的所述具有腹橫肌平面結(jié)構(gòu)的超聲圖像逐層進(jìn)行特征提取，從而逐層強(qiáng)化前述輸入的所述具有腹橫肌平面結(jié)構(gòu)的超聲圖像中的重要特征，并同時(shí)抑制次要信息；所述跳躍連接結(jié)構(gòu)逐層使用特征融合模塊SFF模塊來增強(qiáng)特征表達(dá)并促進(jìn)上下文信息的整合；在解碼器的最后一層添加注意力機(jī)制GAM模塊，以結(jié)合通道注意力和空間注意力來綜合特征圖中的局部信息和全局信息，并動(dòng)態(tài)調(diào)整權(quán)重，為后續(xù)的特征加權(quán)提供特征表示；其中，所述GAM模塊的執(zhí)行，包括步驟S130：S131，對(duì)輸入使用通道注意力模塊進(jìn)行處理；所述通道注意力模塊首先通過sizepermute操作將輸入張量的形狀調(diào)整為H*W*C，即將通道維度移到最后，以便在空間維度上進(jìn)行全局特征計(jì)算；隨后通過多層感知機(jī)MLP對(duì)調(diào)整后的張量進(jìn)行處理，從而生成全局特征；所述MLP由兩個(gè)全連接層組成，使用縮減比r來減少計(jì)算復(fù)雜度，以使第一個(gè)全連接層將通道數(shù)從C減少到Cr，第二個(gè)全連接層將通道數(shù)從Cr恢復(fù)到C；通過sizereverse操作將處理后的張量維度恢復(fù)到原始形狀C*H*W以便進(jìn)一步操作，最后通過Sigmoid激活函數(shù)生成通道注意力權(quán)重；S132，對(duì)前述通道注意力模塊處理的結(jié)果經(jīng)空間注意力模塊處理后，獲得輸出特征圖；所述空間注意力模塊的執(zhí)行包括：S1321，使用兩個(gè)卷積層進(jìn)行空間信息融合，S1322，在空間注意力模塊中使用與通道注意力模塊相同的縮減比r，S1323，使用Sigmoid激活函數(shù)對(duì)每個(gè)位置的特征圖進(jìn)行加權(quán)處理，以提高特征圖在空間上的表達(dá)能力，并減少次要信息的影響； 針對(duì)前述關(guān)鍵腹部組織結(jié)構(gòu)信息執(zhí)行分割任務(wù)，將前述腹部超聲圖像數(shù)據(jù)集劃分為訓(xùn)練集和測(cè)試集，并使用前述RMSD-Net模型分別進(jìn)行訓(xùn)練和測(cè)試； 使用測(cè)試后的RMSD-Net模型對(duì)新獲取的具有腹橫肌平面結(jié)構(gòu)的超聲圖像進(jìn)行關(guān)鍵腹部組織結(jié)構(gòu)信息的分割識(shí)別。

如需購買、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)人中國人民解放軍海軍軍醫(yī)大學(xué)，其通訊地址為：200433 上海市楊浦區(qū)翔殷路800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)”。