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)恭喜江門市中心醫(yī)院;桂林航天工業(yè)學(xué)院申請(qǐng)的專利一種基于多尺度特征提取的胸腺瘤CT圖像分割方法獲國家發(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：CN114663423B 。

龍圖騰網(wǎng)通過國家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-05-06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：202210371206.X，技術(shù)領(lǐng)域涉及：G06T7/00；該發(fā)明授權(quán)一種基于多尺度特征提取的胸腺瘤CT圖像分割方法是由馮寶;徐坤財(cái);周皓陽;陳業(yè)航;陳相猛;蔣成亮;劉昱;李運(yùn)德;何婧;崔恩銘;龍晚生設(shè)計(jì)研發(fā)完成，并于2022-04-11向國家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種基于多尺度特征提取的胸腺瘤CT圖像分割方法在說明書摘要公布了：本發(fā)明公開了一種基于多尺度特征提取的胸腺瘤CT圖像分割方法，包括如下步驟：在傳統(tǒng)UNet網(wǎng)絡(luò)的編碼器中結(jié)合基于不同復(fù)雜度和不同尺度卷積的DBB結(jié)構(gòu)來提取胸腺瘤CT圖像中腫瘤不同尺度下的空間特征，獲取更豐富的腫瘤信息。基于壓縮激勵(lì)機(jī)制構(gòu)建卷積核通道間的相互關(guān)系，實(shí)現(xiàn)不同尺度下空間特征的降維和重標(biāo)定，然后將重標(biāo)定的空間特征與原空間特征逐像素加權(quán)融合，進(jìn)而得到與腫瘤區(qū)域更相關(guān)的空間特征。本發(fā)明的分割結(jié)果的DICE系數(shù)為88.90、交并比IOU為80.15、真陽性率TPR為86.94、假陽性率FPR為8.61、精確率Pre為91.79，更接近于醫(yī)生手動(dòng)分割結(jié)果。

本發(fā)明授權(quán)一種基于多尺度特征提取的胸腺瘤CT圖像分割方法在權(quán)利要求書中公布了：1.一種基于多尺度特征提取的胸腺瘤CT圖像分割方法，其特征在于：包括如下步驟：S1、在傳統(tǒng)UNet網(wǎng)絡(luò)的編碼器中結(jié)合基于不同復(fù)雜度和不同尺度卷積的DBB結(jié)構(gòu)來提取胸腺瘤CT圖像中腫瘤不同尺度下的空間特征，獲取更豐富的腫瘤信息；S2、基于壓縮激勵(lì)機(jī)制構(gòu)建卷積核通道間的相互關(guān)系，實(shí)現(xiàn)不同尺度下空間特征的降維和重標(biāo)定，然后將重標(biāo)定的空間特征與原空間特征逐像素加權(quán)融合，進(jìn)而得到與腫瘤區(qū)域更相關(guān)的空間特征；S3、通過消融實(shí)驗(yàn)確定特征降維過程中控制模型復(fù)雜度的超參數(shù)；所述步驟S1中，編碼階段采用DBB結(jié)構(gòu)中的小尺度卷積核來關(guān)注病灶的位置信息和輪廓信息，使用大尺度的卷積核來關(guān)注病灶的區(qū)域信息；同時(shí)在DBB結(jié)構(gòu)之后使用特征降維和重標(biāo)定來建立各個(gè)通道間的相互關(guān)系，弱化從病灶中噪聲產(chǎn)生的特征，強(qiáng)化病灶中腫瘤的特征，從而提高分割結(jié)果；解碼階段同樣采用DBB結(jié)構(gòu)中多尺度卷積來獲取對(duì)應(yīng)編碼階段提取的特征以減少解碼過程中信息的丟失，同時(shí)在DBB結(jié)構(gòu)之后通過特征降維和特征重標(biāo)定來增強(qiáng)對(duì)目標(biāo)任務(wù)有效的特征，對(duì)重標(biāo)定后的空間特征采用反卷積的上采樣逐步恢復(fù)高質(zhì)量的特征圖；所述步驟S2中，特征空間降維階段，使用全局均值池化函數(shù)對(duì)每個(gè)特征通道在空間H×W上進(jìn)行壓縮；對(duì)任意輸入的特征圖X，X∈RH×W×C，通過壓縮X的空間維度H×W生成通道統(tǒng)計(jì)量Z，Z∈R1×1×C，壓縮過程中Z對(duì)應(yīng)的第C個(gè)通道計(jì)算為： 其中，γC是壓縮后的特征圖，Zx是壓縮函數(shù)，H和W分別是輸入特征圖的空間維度對(duì)應(yīng)的高和寬，xC是輸入特征圖的第C維空間特征，i和j是第C維空間維度上的坐標(biāo)；所述步驟S2中，特征重標(biāo)定階段，將壓縮為1×1×C的輸入通過兩個(gè)全連接和ReLU激活函數(shù)建立通道之間的相關(guān)性，使用sigmoid門控函數(shù)作為自選機(jī)制將壓縮階段嵌入在通道維度上的向量作為自選機(jī)制的輸入，并產(chǎn)生每個(gè)通道權(quán)重集合。

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)人江門市中心醫(yī)院;桂林航天工業(yè)學(xué)院，其通訊地址為：529000 廣東省江門市蓬江區(qū)北街海傍街23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)”。