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！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜湖南科技大學(xué)申請的專利一種基于雙尺度混合網(wǎng)絡(luò)的腹部CT圖像多器官分割方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN117994521B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-05-23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)?專利號為：202410223412.5，技術(shù)領(lǐng)域涉及：G06V10/26；該發(fā)明授權(quán)一種基于雙尺度混合網(wǎng)絡(luò)的腹部CT圖像多器官分割方法是由廖苗;賴偉鴻;邸拴虎;梁偉;趙于前;楊振設(shè)計研發(fā)完成，并于2024-02-28向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種基于雙尺度混合網(wǎng)絡(luò)的腹部CT圖像多器官分割方法在說明書摘要公布了：本發(fā)明公開了一種基于雙尺度混合網(wǎng)絡(luò)的腹部CT圖像多器官分割方法，具體實現(xiàn)為：1建立包含原始圖像和其對應(yīng)分割金標(biāo)準(zhǔn)的訓(xùn)練數(shù)據(jù)集；2構(gòu)建一種基于雙尺度的混合編解碼網(wǎng)絡(luò)，其中編碼器采用雙尺度輸入，通過充分利用Transformer和CNN優(yōu)勢，提取圖像多尺度特征，解碼器則通過逐步融合不同尺度特征獲取精確的分割結(jié)果；4利用訓(xùn)練數(shù)據(jù)集對網(wǎng)絡(luò)進行訓(xùn)練，直至預(yù)先設(shè)定的損失函數(shù)收斂；5運用訓(xùn)練好的網(wǎng)絡(luò)對待分割的圖像進行測試，得到分割結(jié)果。本發(fā)明可在編碼端不同層級充分提取圖像局部和全局信息，可適應(yīng)形態(tài)多樣、結(jié)構(gòu)復(fù)雜的腹部器官，獲取精確的分割結(jié)果。

本發(fā)明授權(quán)一種基于雙尺度混合網(wǎng)絡(luò)的腹部CT圖像多器官分割方法在權(quán)利要求書中公布了：1.一種基于雙尺度混合網(wǎng)絡(luò)的腹部CT圖像多器官分割方法，其特征在于，包括以下步驟：1建立包含原始圖像和其對應(yīng)分割金標(biāo)準(zhǔn)的訓(xùn)練數(shù)據(jù)集A；2構(gòu)建一種基于雙尺度的混合編解碼網(wǎng)絡(luò)，稱之為DS-Net，具體包括：2-a對輸入圖像分別進行大尺度和小尺度分塊，具體包括：對于尺寸為W×H的輸入圖像，分別將其分為不重疊的大尺度子塊SL和不重疊的小尺度子塊SS；2-b構(gòu)建一種帶跳躍連接的編解碼結(jié)構(gòu)作為基本網(wǎng)絡(luò)框架，編碼器包含四個編碼塊，第一個、第二個和第三個編碼塊結(jié)構(gòu)相同，均包含一個帶下采樣的雙尺度Transformer塊、兩個局部特征增強模塊和一個雙尺度融合模塊；第四個編碼塊包含一個雙尺度Transformer塊、兩個局部特征增強模塊和一個雙尺度融合模塊；解碼器包含四個解碼塊和一個線性預(yù)測頭；第一個解碼塊包含一個步長為s的上采樣操作；第二個、第三個和第四個解碼塊結(jié)構(gòu)相同，均由一個拼接操作、一個1×1卷積和一個步長為s的上采樣操作依次連接組成；第四個編碼塊中雙尺度融合模塊的輸出作為第一個解碼塊中上采樣操作的輸入；第一個解碼塊中上采樣的輸出和第三個編碼塊中雙尺度融合模塊的輸出均作為第二個解碼塊中拼接操作的輸入；第二個解碼塊中上采樣的輸出和第二個編碼塊中雙尺度融合模塊的輸出均作為第三個解碼塊中拼接操作的輸入；第三個解碼塊中上采樣的輸出和第一個編碼塊中雙尺度融合模塊的輸出均作為第四個解碼塊中拼接操作的輸入；第四個解碼塊中上采樣的輸出作為線性預(yù)測頭的輸入，線性預(yù)測頭的輸出即為多器官分割結(jié)果；2-c步驟2-b所述的帶下采樣的雙尺度Transformer塊，記作Dwon-DS-Trans塊，包含兩個輸入和四個輸出，具體操作包括：將兩個輸入分別輸入兩條平行獨立的分支，每條分支均由N個CSWinTransformer塊和一個步長為s的下采樣操作依次連接組成，取每條分支中第N個CSWinTransformer塊的輸出和下采樣操作的輸出作為帶下采樣的雙尺度Transformer塊的輸出；2-d步驟2-b所述的雙尺度Transformer塊，包含兩個輸入和兩個輸出，具體操作包括：將兩個輸入分別輸入兩條平行獨立的分支，每條分支均由N個CSWinTransformer塊依次連接組成，取每條分支中第N個CSWinTransformer塊的輸出作為雙尺度Transformer塊的輸出；2-e步驟2-b所述的第一個、第二個和第三個編碼塊，具體結(jié)構(gòu)包括：Dwon-DS-Trans塊中每個分支的第N個CSWinTransformer塊的輸出分別與一個局部特征增強模塊相連，且局部特征增強模塊的輸出均作為雙尺度融合模塊的輸入，雙尺度融合模塊的輸出作為當(dāng)前編碼塊的輸出；步驟2-b中不重疊的大尺度子塊SL和小尺度子塊SS作為第一個編碼塊的輸入，分別輸入至Dwon-DS-Trans塊中的兩個平行獨立分支；第一個編碼塊中Dwon-DS-Trans塊的下采樣操作的輸出作為第二個編碼塊的輸入，分別輸入至第二個編碼塊中Dwon-DS-Trans塊的兩個平行獨立分支；第二個編碼塊中Dwon-DS-Trans塊的下采樣操作的輸出作為第三個編碼塊的輸入，分別輸入至第三個編碼塊中Dwon-DS-Trans塊的兩個平行獨立分支；第三個編碼塊中Dwon-DS-Trans塊的下采樣操作的輸出作為第四個編碼塊的輸入，分別輸入至第四個編碼塊中雙尺度Transformer塊的兩個平行獨立分支；2-f步驟2-b所述的第四個編碼塊，具體結(jié)構(gòu)包括：雙尺度Transformer塊中每個分支的第N個CSWinTransformer塊的輸出分別與一個局部特征增強模塊相連，且局部特征增強模塊的輸出均作為雙尺度融合模塊的輸入，雙尺度融合模塊的輸出作為第四個編碼塊的輸出；2-g步驟2-b所述的局部特征增強模塊，具體結(jié)構(gòu)包括：對于特征I，首先將I分別輸入三條獨立的特征提取分支，其中，第一條分支由3×3卷積、深度卷積和GeLU激活層依次連接組成，第二條分支由3×3卷積、GeLU激活層、3×3卷積、GeLU激活層依次連接組成，第三條分支由深度卷積、GeLU激活層、深度卷積、GeLU激活層依次連接組成，然后將三條分支的輸出O1、O2和O3進行拼接，并對拼接結(jié)果依次執(zhí)行3×3卷積和層歸一化，得到局部特征增強模塊的輸出；2-h步驟2-b所述的線性預(yù)測頭，由一個1×1卷積和Softmax層依次連接組成；3采用訓(xùn)練數(shù)據(jù)集A對DS-Net進行訓(xùn)練，直至預(yù)先設(shè)置的損失函數(shù)收斂；結(jié)合Dice和交叉熵的混合損失函數(shù)作為網(wǎng)絡(luò)訓(xùn)練的目標(biāo)函數(shù)；4利用訓(xùn)練好的網(wǎng)絡(luò)對待分割圖像進行測試，得到分割結(jié)果。

如需購買、轉(zhuǎn)讓、實施、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)人湖南科技大學(xué)，其通訊地址為：411201 湖南省湘潭市雨湖區(qū)桃園路2號；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)”。