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！

龍圖騰網恭喜廈門理工學院申請的專利多模態協同增強與動態對齊的血管圖像分割方法及裝置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：CN119888241B 。

龍圖騰網通過國家知識產權局官網在2025-05-23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：202510386253.5，技術領域涉及：G06V10/26；該發明授權多模態協同增強與動態對齊的血管圖像分割方法及裝置是由林澤杭;杜俠;李林;朱順痣設計研發完成，并于2025-03-31向國家知識產權局提交的專利申請。

本多模態協同增強與動態對齊的血管圖像分割方法及裝置在說明書摘要公布了：本發明提供了多模態協同增強與動態對齊的血管圖像分割方法及裝置，涉及深度學習與圖像處理技術領域。本發明通過獲取不同模態的3D血管原圖像集，并經切分與模態特征標記融合后，利用擴散模型進行去噪與增強生成模態嵌入圖；將模態嵌入圖輸入改進的3DUNet編碼器提取多尺度低級特征；基于圖神經網絡對低級特征進行全局特征增強與動態對齊，生成對齊高級特征；通過計算對齊高級特征的特征信息熵并進行動態權重融合,得到模態協同特征；基于正、負樣本對的對比學習以優化模態協同特征之間的差異表示，得到融合特征；將融合特征輸入解碼器生成血管分割結果。本發明能高效捕捉不同模態細小血管的形態特征，顯著提升多模態血管圖像的分割精度與魯棒性。

本發明授權多模態協同增強與動態對齊的血管圖像分割方法及裝置在權利要求書中公布了：1.一種多模態協同增強與動態對齊的血管圖像分割方法，其特征在于，包括：S1,獲取不同模態的3D血管原圖像集；S2,對所述3D血管原圖像集的每張圖像進行切分，將切分得到的局部補丁與標記有對應模態特征的小切塊進行融合，再利用預訓練的擴散模型對標記融合后的圖像進行去噪與增強處理，生成模態嵌入圖；S3,將所述模態嵌入圖輸入含有并行多尺度分支結構的3DUNet編碼器，提取出多尺度低級特征；S4,基于圖神經網絡，對所述多尺度低級特征進行全局特征增強與動態對齊，生成對齊高級特征，具體為：將所述多尺度低級特征作為圖節點，模態間的關系作為邊，構建特征關系圖G；通過圖神經網絡的消息傳遞機制傳播更新特征關系圖G的特征，公式為： ；其中，為第層的特征表示；A為特征關系圖的鄰接矩陣；為聚合函數；為可訓練參數；為激活函數；m表示圖像的模態索引；基于不同模態的特征分布不一致性的特點，通過計算各模態特征的均值μ和標準差σ，利用模態歸一化調整特征分布，以對不同模態的特征進行動態對齊，生成對齊高級特征，公式為： ；其中，為對齊高級特征；和為可學習參數；為圖神經網絡傳播更新后的特征；為特征對應的均值；為特征對應的標準差；S5,通過計算所述對齊高級特征的特征信息熵并自適應生成動態權重進行融合,以實現多模態特征的協同增強，得到模態協同特征，具體為：計算每個模態的對齊高級特征的信息熵，以衡量模態特征的不確定性，公式為： ；其中，為m模態特征的信息熵；表示對齊高級特征在特征空間中的概率分布；基于計算出的信息熵，利用指數歸一化策略通過單層多層感知機生成各模態的動態權重： ；其中，為m模態的歸一化權重；為模態特征的信息熵；m、表示圖像的模態索引；基于計算出的動態權重，對不同模態的對齊高級特征進行加權融合，以生成最終的模態協同特征，公式為： ；其中，為所述模態協同特征；S6,基于正樣本和負樣本的對比學習，優化所述模態協同特征的模態間差異表示，并將優化后的特征進行融合，得到融合特征；S7,將所述融合特征輸入解碼器，生成最終的血管分割結果。

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廈門理工學院，其通訊地址為：361024 福建省廈門市集美區理工路600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”。