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！

龍圖騰網恭喜重慶郵電大學申請的專利一種基于多尺度邊緣感知的三維心臟圖像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：CN114663445B 。

龍圖騰網通過國家知識產權局官網在2025-05-27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：202210214686.9，技術領域涉及：G06F17/40；該發明授權一種基于多尺度邊緣感知的三維心臟圖像分割方法是由畢秀麗;裴佳偉;肖斌;范駿超設計研發完成，并于2022-03-07向國家知識產權局提交的專利申請。

本一種基于多尺度邊緣感知的三維心臟圖像分割方法在說明書摘要公布了：本發明公開了一種基于多尺度邊緣感知的三維心臟圖像分割方法，涉及數字圖像處理、計算機視覺、深度學習等技術領域。具體步驟為：1搜集并整理公開的心臟磁共振圖像數據集；2對搜集整理的心臟磁共振圖像數據集進行數據增廣；3利用搜集到的心臟磁共振圖像數據集對多尺度邊緣感知的三維卷積神經網絡進行訓練；4利用訓練得到的模型對其他的心臟磁共振圖像進行測試，得到最終效果。本方法利用多尺度邊緣感知的三維卷積神經網絡訓練得到的模型可以對現實中的心臟磁共振圖像進行分割，具有實際意義，并且取得較好的分割精度。

本發明授權一種基于多尺度邊緣感知的三維心臟圖像分割方法在權利要求書中公布了：1.一種基于多尺度邊緣感知的三維心臟圖像分割方法，其特征在于，包括以下步驟：1對搜集整理的心臟磁共振圖像數據集進行數據增廣，包括通過隨機旋轉、平移、縮放、裁剪、彈性形變對原始圖像進行變換；2利用步驟1處理后得到的心臟磁共振圖像數據集對多尺度邊緣感知的三維卷積神經網絡進行模型訓練，所述多尺度邊緣感知的三維卷積神經網絡包括多尺度特征提取模塊、邊緣信息提取模塊和特征融合模塊；所述多尺度特征提取模塊使用多分支的級聯多尺度卷積操作和多尺度池化操作來提取多尺度的語義信息；所述邊緣信息提取模塊使用三個不同維度的池化操作來提取輸入圖像的邊緣信息；所述特征融合模塊學習不同分辨率的邊緣特征和語義特征的偏移量并將這兩種特征進行融合；所述多尺度特征提取模塊分為九個分支來提取多尺度語義信息，其中五個分支是多尺度卷積分支，三個分支是多尺度池化分支，最后一個分支是將輸入的特征圖與該模塊最終生成的特征圖直接相加；所述五個多尺度卷積分支包括一個內核大小為1×1×1的空洞卷積和四個卷積核大小為3×3×3的級聯空洞卷積，將深度維度的膨脹率設置為1，隨著不同擴張率的卷積從1到1、3、5和7的疊加，每個空洞卷積分支的感受野將為3、9、19和33；所述三個多尺度池化分支，每個分支的池化核大小分別為2×2×2，3×3×3和全局池化，其對應的感受野分別為2、3和整個特征圖，在每一級池化操作之后使用1×1×1的卷積，然后進行上采樣，通過三線性插值得到與原始特征圖大小相同的特征圖；所述邊緣信息提取模塊使用1×1×1的卷積進行通道壓縮，將通道數變為原來的一半，再對特征圖的長、寬、高三個維度分別進行池化，將分別得到的不同大小的三種特征圖進行復制到同樣的大小，再將三個特征圖進行相加，最后，將得到的邊緣注意權重圖與通道壓縮后的特征圖進行相乘，再通過一個1×1×1的卷積將通道數還原，再和最初輸入到該模塊的特征圖進行相加；所述特征融合模塊使用1×1×1的卷積使輸入的邊緣特征圖和語義特征圖通道數一致，然后使用三線性插值上采樣將輸入的兩種特征圖大小保持一致，所述特征融合模塊使用3×3×3的卷積來學習兩種特征圖的位置偏移量，通過學習到的偏移量將兩種輸入的邊緣特征圖放大到和語義特征圖大小一致再相加得到最終的融合結果；3利用步驟2訓練得到的模型對輸入的圖像進行測試，得到最終的檢測結果。

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重慶郵電大學，其通訊地址為：400065 重慶市南岸區南山街道崇文路2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”。