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！

龍圖騰網恭喜東北大學申請的專利一種基于深度學習的CT影像全心臟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：CN114596317B 。

龍圖騰網通過國家知識產權局官網在2025-05-06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：202210253312.8，技術領域涉及：G06T7/10；該發明授權一種基于深度學習的CT影像全心臟分割方法是由楊金柱;陳樂;馬春燕;黃艷;瞿明軍;曹鵬;馮朝路;覃文軍;栗偉設計研發完成，并于2022-03-15向國家知識產權局提交的專利申請。

本一種基于深度學習的CT影像全心臟分割方法在說明書摘要公布了：本發明公開了一種基于深度學習的CT影像全心臟分割方法；涉及醫學圖像領域；在網絡編碼階段中引入殘差模塊，增強了網絡捕捉全心臟子結構特征的能力。在解碼階段引入基于注意力機制的多尺度融合模塊，該模塊在反卷積之后融合多尺度特征并進行特征重利用，更好的融合了低級特征和高級特征。同時將加權交叉熵損失函數和加權DICE損失函數結合解決了類失衡問題，在分割細節上起到了良好的驅動作用。本發明實現方法簡單，自動將全心臟分成7個子結構，包括左心房、左心室、左心室心肌、右心房、右心室、肺動脈、升動脈，測試一個數據只需幾秒鐘，極大的減少了醫生投入的時間和學習成本，處理過程不需要人工交互，達到了應用的要求。

本發明授權一種基于深度學習的CT影像全心臟分割方法在權利要求書中公布了：1.一種基于深度學習的CT影像全心臟分割方法，其特征在于：包括以下步驟：步驟1：輸入待分割三維醫學圖像，并根據該圖像的大小將其定義為大小為C×H×W3維特征數組，表示為：圖像XC×H×W；步驟2：對步驟1中待分割圖像進行預處理，作為訓練樣本；步驟3：建立全心臟分割網絡，利用全心臟分割網絡編碼器生成5種不同深度的特征圖Out0，Out1，Out2，Out3，Out4，解碼階段使用基于注意力機制的多尺度融合模塊和深度監督模塊進行特征還原得到特征圖，Y0，Y1，Y2，Y3，Y4；包括以下步驟：步驟3.1：對網絡中的編碼階段保留殘差網絡前四個特征模塊，移除最后的全連接層和平均池化層，保留了4個layer層和第一個7×7的卷積層和池化層，每個layer層包含兩個殘差模塊；殘差模塊使用3×3大小的卷積核進行卷積操作，每一個卷積層后緊跟一個BN層和Relu操作來對所提取的特征進行歸一化激活處理；根據步驟1獲取的圖像X，將圖像X經過提取特征操作改變特征圖通道數量，經過最大池化操作改變特征圖的大小，得到特征圖再經過layer層，得到特征圖Outi+1，其中i為特征圖索引，i＝1,2,3,4，所述Outi+1分別為 步驟3.2：在解碼階段上采樣之后添加基于注意力機制的多尺度融合模塊，多尺度融合模塊包括兩個分支，一個分支使用3個3×3大小的卷積進行卷積操作，將三個卷積操作的輸出進行特征融合，可以提取不同尺度的空間特征，另一個分支引入1×1的卷積層進一步捕捉額外的空間信息，結合編碼階段得到的特征圖Out0～Out4，進行上采樣操作，改變特征圖大小，與編碼階段的特征圖依次進行拼接操作，加強圖像上下文之間的語義信息，再經過基于注意力機制的多尺度融合模塊，改變特征圖通道數，同時注入深度監督機制來放大隱藏層特征，注入深度監督機制后輸出的特征圖為Y0～Y4，分別為： 步驟4：用訓練樣本對S3建立的全心臟分割網絡進行訓練，得到訓練好的深度卷積神經網絡；步驟5：將步驟2預處理后的全心臟CT圖像輸入步驟4訓練好的深度卷積神經網絡進行圖像分割，輸出分割好的全心臟CT圖像，包括7個子結構左心房、左心室、左心室心肌、右心房、右心室、肺動脈、升動脈。

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東北大學，其通訊地址為：110819 遼寧省沈陽市和平區文化路3號巷11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”。