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)獲悉安徽大學(xué)申請的專利一種顯著性參考和解耦的食管腫瘤CT影像擴(kuò)散分割方法獲國家發(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(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN119273704B 。

龍圖騰網(wǎng)通過國家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-04-04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：202411807262.9，技術(shù)領(lǐng)域涉及：G06T7/11；該發(fā)明授權(quán)一種顯著性參考和解耦的食管腫瘤CT影像擴(kuò)散分割方法是由徐凱;馬業(yè)成;汪幫俊;賈兆紅;黃勇設(shè)計(jì)研發(fā)完成，并于2024-12-10向國家知識(shí)產(chǎn)權(quán)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(kuò)散分割方法在說明書摘要公布了：本發(fā)明提供了一種顯著性參考和解耦的食管腫瘤CT影像擴(kuò)散分割方法，通過結(jié)合顯著性偽標(biāo)簽和擴(kuò)散去噪網(wǎng)絡(luò)，提高腫瘤分割的準(zhǔn)確性。首先，對食管腫瘤CT圖像進(jìn)行預(yù)處理，并生成顯著性偽標(biāo)簽，增強(qiáng)網(wǎng)絡(luò)對腫瘤區(qū)域的關(guān)注。然后，構(gòu)建顯著性參考的分割網(wǎng)絡(luò)和擴(kuò)散去噪網(wǎng)絡(luò)，采用條件擴(kuò)散模型逐步加噪和去噪還原圖像。設(shè)計(jì)了分割與去噪任務(wù)解耦的多任務(wù)學(xué)習(xí)框架，通過一致性約束確保任務(wù)之間的協(xié)同優(yōu)化。通過聯(lián)合優(yōu)化交叉熵?fù)p失、Dice損失、均方誤差和一致性損失，提高分割性能。實(shí)驗(yàn)結(jié)果表明，該方法能有效提升食管腫瘤的分割精度，具有較強(qiáng)的臨床應(yīng)用潛力。

本發(fā)明授權(quán)一種顯著性參考和解耦的食管腫瘤CT影像擴(kuò)散分割方法在權(quán)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(kuò)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(kuò)散分割網(wǎng)絡(luò)的準(zhǔn)備工作：對食管腫瘤CT影像數(shù)據(jù)進(jìn)行預(yù)處理，包括歸一化、裁剪、顯著性標(biāo)簽生成及優(yōu)化步驟，確保輸入數(shù)據(jù)的一致性及顯著區(qū)域標(biāo)注的準(zhǔn)確性；12構(gòu)建顯著性參考和解耦的食管腫瘤CT影像擴(kuò)散分割網(wǎng)絡(luò)的分割網(wǎng)絡(luò)和擴(kuò)散網(wǎng)絡(luò)：構(gòu)建輸入為預(yù)處理后的CT圖像及顯著性偽標(biāo)簽的分割網(wǎng)絡(luò)，網(wǎng)絡(luò)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(kuò)散模型，構(gòu)建輸入為加噪CT圖像及顯著性偽標(biāo)簽的擴(kuò)散網(wǎng)絡(luò)；擴(kuò)散網(wǎng)絡(luò)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(gòu)建顯著性參考和解耦的食管腫瘤CT影像擴(kuò)散分割網(wǎng)絡(luò)的分割網(wǎng)絡(luò)，其步驟如下：1211構(gòu)建空間降采樣結(jié)構(gòu)，空間降采樣結(jié)構(gòu)包括一個(gè)編碼器模塊，由4層下采樣單元組成，每層具體結(jié)構(gòu)如下：12111兩個(gè)3*3卷積層，步長設(shè)置為1，填充方式為same；12112每層卷積層后加入一個(gè)RELU線性激活單元進(jìn)行激活；12113一個(gè)最大池化層，核大小為2*2；1212構(gòu)建空間上采樣結(jié)構(gòu)，空間上采樣結(jié)構(gòu)包括一個(gè)解碼器模塊，由4層上采樣單元組成，每層具體結(jié)構(gòu)如下：12121一個(gè)反卷積層，卷積核大小為2*2；12122兩個(gè)3*3卷積層，步長設(shè)置為1，填充方式為same；12123每層卷積層后加入一個(gè)RELU線性激活單元進(jìn)行激活；1213構(gòu)建降采樣結(jié)構(gòu)和上采樣結(jié)構(gòu)的交互結(jié)構(gòu)，具體結(jié)構(gòu)如下：12131使用四個(gè)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(jīng)過兩個(gè)3*3卷積層；1214構(gòu)建顯著性融合模塊，其具體結(jié)構(gòu)如下：顯著性偽標(biāo)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，F(xiàn)enhanced表示融合后的解碼器特征，F(xiàn)decoder表示融合前解碼器特征，F(xiàn)saliency表示顯著性偽標(biāo)簽特征，λ＝0.5表示顯著性特征的權(quán)重；具體步驟如下：CT影像經(jīng)過顯著性檢測網(wǎng)絡(luò)得到顯著性偽標(biāo)簽；顯著性偽標(biāo)簽經(jīng)過四層編碼器結(jié)構(gòu)，與分割網(wǎng)絡(luò)的編碼器結(jié)構(gòu)一致；再通過跳躍連接把每個(gè)經(jīng)過編碼器層的顯著性偽標(biāo)簽和分割網(wǎng)絡(luò)編碼器的輸入拼接起來；122構(gòu)建顯著性參考和解耦的食管腫瘤CT影像擴(kuò)散分割網(wǎng)絡(luò)的擴(kuò)散網(wǎng)絡(luò)，其步驟如下：1221正向擴(kuò)散過程：正向擴(kuò)散過程逐步向輸入CT圖像Iinput添加高斯噪聲，使其從結(jié)構(gòu)化數(shù)據(jù)逐漸變?yōu)殡S機(jī)噪聲，具體公式如下： 其中αt＝1-βt，表示信號(hào)強(qiáng)度；βt∈[0.0001，0.02]，為每步添加噪聲的強(qiáng)度；N為正態(tài)分布；采用線性方差時(shí)間表，經(jīng)過T＝1000步擴(kuò)散，初始圖像xo轉(zhuǎn)變?yōu)橥耆S機(jī)噪聲xT；1222反向去噪過程：反向去噪通過神經(jīng)網(wǎng)絡(luò)預(yù)測噪聲并逐步還原圖像，公式如下： 其中是方差，代表擴(kuò)散過程中的噪聲規(guī)模；μθxt是均值，表示從當(dāng)前噪聲圖像xt預(yù)測出下一步xt-1的中心位置；均值計(jì)算公式為： 其中，εθxt，t是神經(jīng)網(wǎng)絡(luò)預(yù)測的噪聲分布；是累計(jì)的信號(hào)強(qiáng)度；反向生成從隨機(jī)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(kuò)散分割方法的擴(kuò)散網(wǎng)絡(luò)采用UNet的編碼器-解碼器架構(gòu)，并結(jié)合時(shí)間嵌入和殘差塊進(jìn)行設(shè)計(jì)，其具體結(jié)構(gòu)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(gè)3*3卷積操作，卷積核填充方式為same，每個(gè)卷積層后接批歸一化BN和一個(gè)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(fù)圖像尺寸，包含以下組件：122321一個(gè)反卷積層，采用2*2大小的反卷積和，回復(fù)特征圖的空間分辨率；122322卷積層，每層包含兩個(gè)3*3卷積操作，卷積核填充方式為same，每個(gè)卷積層后接批歸一化BN和一個(gè)RELU線性激活單元；12233時(shí)間嵌入模塊，時(shí)間嵌入貫穿整個(gè)編碼器核解碼器，負(fù)責(zé)將時(shí)間信息t映射為特征向量，通過線性層然后經(jīng)過注入每層卷積的特征圖中，確保模型對每一步噪聲的動(dòng)態(tài)感知能力；12234跳躍連接結(jié)構(gòu)，編碼器每層通過跳躍連接將對應(yīng)層的特征拼接到解碼器特征圖；13訓(xùn)練顯著性參考和解耦的食管腫瘤CT影像擴(kuò)散分割網(wǎng)絡(luò)：確保分割與去噪任務(wù)的互補(bǔ)優(yōu)化，結(jié)合交叉熵?fù)p失函數(shù)、Dice損失函數(shù)、均方誤差函數(shù)以及一致性損失設(shè)計(jì)聯(lián)合優(yōu)化策略；14對顯著性參考和解耦的食管腫瘤CT影像擴(kuò)散分割網(wǎng)絡(luò)的測試與求解：通過訓(xùn)練好的網(wǎng)絡(luò)推理未標(biāo)注數(shù)據(jù)，結(jié)合形態(tài)學(xué)操作提升分割邊界的精確度。

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)人安徽大學(xué)，其通訊地址為：230039 安徽省合肥市蜀山區(qū)肥西路3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)”。