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)獲悉中國科學(xué)院深圳先進(jìn)技術(shù)研究院申請的專利一種基于深度學(xué)習(xí)的胎兒MRI腦組織分割方法及裝置獲國家發(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：CN115063351B 。

龍圖騰網(wǎng)通過國家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-19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(hào)為：202210568286.8，技術(shù)領(lǐng)域涉及：G06T7/00；該發(fā)明授權(quán)一種基于深度學(xué)習(xí)的胎兒MRI腦組織分割方法及裝置是由隆曉菁;黃曉娜;高昂;征博文;李宇涵;梁棟設(shè)計(jì)研發(fā)完成，并于2022-05-24向國家知識(shí)產(chǎn)權(quán)局提交的專利申請。

本一種基于深度學(xué)習(xí)的胎兒MRI腦組織分割方法及裝置在說明書摘要公布了：本發(fā)明涉及醫(yī)學(xué)MRI成像領(lǐng)域，具體涉及一種基于深度學(xué)習(xí)的胎兒MRI腦組織分割方法及裝置。該方法及裝置首先對胎兒大腦MRI進(jìn)行數(shù)據(jù)增強(qiáng)操作，再構(gòu)建基于ContextualTransformerblock的特征金字塔模型：特征金字塔模型在編碼器和解碼器部分引入注意力結(jié)構(gòu)CoT?Block，注意力結(jié)構(gòu)CoT?Block利用key上下文信息，指導(dǎo)動(dòng)態(tài)注意力矩陣的學(xué)習(xí)，增強(qiáng)提取數(shù)據(jù)增強(qiáng)后的胎兒大腦MRI圖像中的特征；特征金字塔模型在解碼器部分引入混合膨脹卷積模塊，混合膨脹卷積模塊擴(kuò)大感受野并且保留詳細(xì)的空間信息，并有效提取醫(yī)學(xué)圖像中的全局上下文信息，從而有效地提高分割的精度，最大程度地幫助醫(yī)生進(jìn)行臨床診斷。

本發(fā)明授權(quán)一種基于深度學(xué)習(xí)的胎兒MRI腦組織分割方法及裝置在權(quán)利要求書中公布了：1.一種基于深度學(xué)習(xí)的胎兒MRI腦組織分割方法，其特征在于，包括以下步驟： 對胎兒大腦MRI進(jìn)行數(shù)據(jù)增強(qiáng)操作； 構(gòu)建基于ContextualTransformerblock的特征金字塔模型：所述特征金字塔模型在編碼器和解碼器部分引入注意力結(jié)構(gòu)CoT-Block，所述注意力結(jié)構(gòu)CoT-Block利用key上下文信息，指導(dǎo)動(dòng)態(tài)注意力矩陣的學(xué)習(xí)，增強(qiáng)提取數(shù)據(jù)增強(qiáng)后的胎兒大腦MRI圖像中的特征；所述特征金字塔模型在解碼器部分引入混合膨脹卷積模塊，所述混合膨脹卷積模塊擴(kuò)大感受野并且保留詳細(xì)的空間信息，并有效提取醫(yī)學(xué)圖像中的全局上下文信息； 使用所述特征金字塔模型對數(shù)據(jù)增強(qiáng)后的胎兒大腦MRI圖像進(jìn)行組織分割； 所述對胎兒大腦MRI進(jìn)行數(shù)據(jù)增強(qiáng)操作包括： 采用對抗數(shù)據(jù)增強(qiáng)技術(shù)，通過模擬MRI中常見的偽影造成的強(qiáng)度不均勻性對神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，使用訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)對胎兒大腦MRI進(jìn)行數(shù)據(jù)增強(qiáng)操作； 所述采用對抗數(shù)據(jù)增強(qiáng)技術(shù)，通過模擬MRI中常見的偽影造成的強(qiáng)度不均勻性對神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練包括： 給定一個(gè)分割網(wǎng)絡(luò)fseg.；θ和輸入圖像I，首先在搜索空間中找到控制點(diǎn)c的最優(yōu)值，對輸入圖像構(gòu)建一個(gè)對抗偏差場Ibias＝GbiasI；c，然后通過神經(jīng)網(wǎng)絡(luò)輸出原始預(yù)測p＝fsegI；θ和擾動(dòng)后的預(yù)測p*＝fsegGbiasI；c；θ，通過下式2計(jì)算Dcomp；其中Dcomp表示復(fù)合距離函數(shù)，用于增強(qiáng)分割中兩種預(yù)測之間的辨別能力； 先找到構(gòu)建偏差場中的控制點(diǎn)c的最優(yōu)值，然后再優(yōu)化神經(jīng)網(wǎng)絡(luò)中的參數(shù)θ，使得原始預(yù)測和生成對抗偏差之后的預(yù)測fsegGbiasI；cadv；θ之間的距離最小化； Dcompp,p*＝DKL[p||p*]+wDcontourp,p*2 其中，I表示輸入圖像，θ表示用于訓(xùn)練的網(wǎng)絡(luò)參數(shù)，c是用于構(gòu)建一個(gè)最優(yōu)偏差場的控制點(diǎn)，fseg.；θ表示分割網(wǎng)絡(luò)，GbiasI；c是一個(gè)對抗偏差場，Dcomp表示復(fù)合距離函數(shù)，p表示通過神經(jīng)網(wǎng)絡(luò)輸出的原始預(yù)測，p*表示加入了偏差場之后輸出的擾動(dòng)后的預(yù)測，DKL表示KL散度，Dcontour表示一個(gè)基于輪廓的損失函數(shù)，w控制兩個(gè)式子之間的相對重要性，M表示前景的通道，Sx,y表示兩個(gè)sobel濾波器在x和y方向上的邊緣提取。

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)系本專利的申請人或?qū)＠麢?quán)人中國科學(xué)院深圳先進(jìn)技術(shù)研究院，其通訊地址為：518055 廣東省深圳市南山區(qū)深圳大學(xué)城學(xué)苑大道1068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)”。