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！

龍圖騰網恭喜安徽大學申請的專利一種顯著性參考和解耦的食管腫瘤CT影像擴散分割方法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：CN119273704B 。

龍圖騰網通過國家知識產權局官網在2025-04-04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：202411807262.9，技術領域涉及：G06T7/11；該發明授權一種顯著性參考和解耦的食管腫瘤CT影像擴散分割方法是由徐凱;馬業成;汪幫俊;賈兆紅;黃勇設計研發完成，并于2024-12-10向國家知識產權局提交的專利申請。

本一種顯著性參考和解耦的食管腫瘤CT影像擴散分割方法在說明書摘要公布了：本發明提供了一種顯著性參考和解耦的食管腫瘤CT影像擴散分割方法，通過結合顯著性偽標簽和擴散去噪網絡，提高腫瘤分割的準確性。首先，對食管腫瘤CT圖像進行預處理，并生成顯著性偽標簽，增強網絡對腫瘤區域的關注。然后，構建顯著性參考的分割網絡和擴散去噪網絡，采用條件擴散模型逐步加噪和去噪還原圖像。設計了分割與去噪任務解耦的多任務學習框架，通過一致性約束確保任務之間的協同優化。通過聯合優化交叉熵損失、Dice損失、均方誤差和一致性損失，提高分割性能。實驗結果表明，該方法能有效提升食管腫瘤的分割精度，具有較強的臨床應用潛力。

本發明授權一種顯著性參考和解耦的食管腫瘤CT影像擴散分割方法在權利要求書中公布了：1.一種顯著性參考和解耦的食管腫瘤CT影像擴散分割方法，其特征在于，包括以下步驟：11顯著性參考和解耦的食管腫瘤CT影像擴散分割網絡的準備工作：對食管腫瘤CT影像數據進行預處理，包括歸一化、裁剪、顯著性標簽生成及優化步驟，確保輸入數據的一致性及顯著區域標注的準確性；12構建顯著性參考和解耦的食管腫瘤CT影像擴散分割網絡的分割網絡和擴散網絡：構建輸入為預處理后的CT圖像及顯著性偽標簽的分割網絡，網絡由多層編碼器、解碼器、跳躍連接模塊以及顯著性特征融合模塊組成；擴散模型，構建輸入為加噪CT圖像及顯著性偽標簽的擴散網絡；擴散網絡包含多層卷積模塊，完成正向添加和反向去噪操作；具體步驟如下：121構建顯著性參考和解耦的食管腫瘤CT影像擴散分割網絡的分割網絡，其步驟如下：1211構建空間降采樣結構，空間降采樣結構包括一個編碼器模塊，由4層下采樣單元組成，每層具體結構如下：12111兩個3*3卷積層，步長設置為1，填充方式為same；12112每層卷積層后加入一個RELU線性激活單元進行激活；12113一個最大池化層，核大小為2*2；1212構建空間上采樣結構，空間上采樣結構包括一個解碼器模塊，由4層上采樣單元組成，每層具體結構如下：12121一個反卷積層，卷積核大小為2*2；12122兩個3*3卷積層，步長設置為1，填充方式為same；12123每層卷積層后加入一個RELU線性激活單元進行激活；1213構建降采樣結構和上采樣結構的交互結構，具體結構如下：12131使用四個跳躍連接，將每層下采樣層的輸出的特征圖與上采樣層的輸出拼接起來；12132最后一層下采樣后再經過兩個3*3卷積層；1214構建顯著性融合模塊，其具體結構如下：顯著性偽標簽通過跳躍連接嵌入解碼器每一層，融合公式如下：Fenhanced＝Fdecoder+λ·Fsaliency，其中，Fenhanced表示融合后的解碼器特征，Fdecoder表示融合前解碼器特征，Fsaliency表示顯著性偽標簽特征，λ＝0.5表示顯著性特征的權重；具體步驟如下：CT影像經過顯著性檢測網絡得到顯著性偽標簽；顯著性偽標簽經過四層編碼器結構，與分割網絡的編碼器結構一致；再通過跳躍連接把每個經過編碼器層的顯著性偽標簽和分割網絡編碼器的輸入拼接起來；122構建顯著性參考和解耦的食管腫瘤CT影像擴散分割網絡的擴散網絡，其步驟如下：1221正向擴散過程：正向擴散過程逐步向輸入CT圖像Iinput添加高斯噪聲，使其從結構化數據逐漸變為隨機噪聲，具體公式如下： 其中αt＝1-βt，表示信號強度；βt∈[0.0001，0.02]，為每步添加噪聲的強度；N為正態分布；采用線性方差時間表，經過T＝1000步擴散，初始圖像xo轉變為完全隨機噪聲xT；1222反向去噪過程：反向去噪通過神經網絡預測噪聲并逐步還原圖像，公式如下： 其中是方差，代表擴散過程中的噪聲規模；μθxt是均值，表示從當前噪聲圖像xt預測出下一步xt-1的中心位置；均值計算公式為： 其中，εθxt，t是神經網絡預測的噪聲分布；是累計的信號強度；反向生成從隨機噪聲xT開始，逐步去噪生成還原的圖像xo；1223顯著性參考和解耦的食管腫瘤CT影像擴散分割方法的擴散網絡采用UNet的編碼器-解碼器架構，并結合時間嵌入和殘差塊進行設計，其具體結構如下：12231編碼器通過逐層下采樣提取多尺度特征，編碼器模塊包含以下組件：122311卷積層，每層包含兩個3*3卷積操作，卷積核填充方式為same，每個卷積層后接批歸一化BN和一個RELU線性激活單元；122312最大池化層，用于下采樣，池化核大小為2*2；12232解碼器模塊通過逐層上采樣逐步恢復圖像尺寸，包含以下組件：122321一個反卷積層，采用2*2大小的反卷積和，回復特征圖的空間分辨率；122322卷積層，每層包含兩個3*3卷積操作，卷積核填充方式為same，每個卷積層后接批歸一化BN和一個RELU線性激活單元；12233時間嵌入模塊，時間嵌入貫穿整個編碼器核解碼器，負責將時間信息t映射為特征向量，通過線性層然后經過注入每層卷積的特征圖中，確保模型對每一步噪聲的動態感知能力；12234跳躍連接結構，編碼器每層通過跳躍連接將對應層的特征拼接到解碼器特征圖；13訓練顯著性參考和解耦的食管腫瘤CT影像擴散分割網絡：確保分割與去噪任務的互補優化，結合交叉熵損失函數、Dice損失函數、均方誤差函數以及一致性損失設計聯合優化策略；14對顯著性參考和解耦的食管腫瘤CT影像擴散分割網絡的測試與求解：通過訓練好的網絡推理未標注數據，結合形態學操作提升分割邊界的精確度。

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安徽大學，其通訊地址為：230039 安徽省合肥市蜀山區肥西路3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”。