买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜大连理工大学申请的专利基于标定点检测和形状灰度模型匹配的医学图像分割方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114359309B 。

龙图腾网通过国家知识产权局官网在2025-03-25发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210030217.1，技术领域涉及：G06T7/11；该发明授权基于标定点检测和形状灰度模型匹配的医学图像分割方法是由王洪凯;吴昊天设计研发完成，并于2022-01-12向国家知识产权局提交的专利申请。

本基于标定点检测和形状灰度模型匹配的医学图像分割方法在说明书摘要公布了：本发明公开了一种基于标定点检测和形状灰度模型匹配的医学图像分割方法，属于医学影像分析技术领域。该方法首先基于大量的样本图像及其标注结果，构建同时具有形状与灰度信息的参数化图谱；基于卷积神经网络创建解剖学特征点检测模型，并利用样本图像及其标注结果对模型进行训练；利用形状灰度模型的匹配与神经网络的预测结果，实现图谱与目标图像之间的高精度配准以及器官映射。本发明利用了图像区域的变形场表征模型的形状变化、引入了对灰度信息的建模以及解剖特征点的引导，在保证分割精度的同时提升了算法的鲁棒性，使其能够适用于不同噪声条件与对比度的医学图像。

本发明授权基于标定点检测和形状灰度模型匹配的医学图像分割方法在权利要求书中公布了：1.一种基于标定点检测和形状灰度模型匹配的医学图像分割方法，其特征在于，该方法包括以下步骤：步骤A：构建同时具有形状与灰度信息的参数化图谱：步骤B：基于卷积神经网络创建一个解剖学特征点检测模型，利用图像数据及其标注结果对解剖学特征点检测模型进行训练；步骤C：利用解剖学特征点检测模型的预测结果与模型参数的拟合，实现图谱与目标图像的配准与器官映射；所述步骤A的具体步骤如下：步骤A1，解剖学特征点标定获取大量样本图像，并对样本图像进行解剖学特征点的标注，样本图像及其标注结果作为后续参数化图谱构建以及特征点检测模型训练的训练集；步骤A2，平均图像计算在训练集中随机选取一幅图像作为初始参考图像，其余图像则通过非线性变形配准的方式变换至参考图像，并获取对应的空间变换以计算平均逆变换；将平均逆变换作用至整个训练集并取平均，获得初步的平均图像；将初步的平均图像设置为新的参考图像重复上述流程直至收敛即可；经收敛后得到的平均图像需要对其进行解剖学特征点的标定；同时还需要对其进行精准的器官分割；步骤A3，形状建模首先，利用非线性变形将步骤A2得到的平均图像配准至每个训练样本，并对每个配准后的训练样本构建形状向量；具体地，设si＝[pi,li]∈RN+K×3为训练样本i对应的形状向量；其中，pi∈RN×3为平均图像配准至训练样本i后的所有像素点的三维坐标集合，像素点个数共N个；li∈RK×3为样本图像中所有解剖学特征点的三维坐标集合，解剖学特征点共K个；而后，使用主成分分析方法对形状向量的集合进行特征的提取，得到的形状模型表示如下： 其中，表示训练集的平均形状；为主成分分析得到的形状特征向量矩阵，M代表从训练集中学习到的M种变形场变化模式；bs∈RM为形状参数；s∈RN+K×3表示当前的模型形状；步骤A4，灰度建模设gi∈RN为pi对应的灰度向量，代表了平均图像中各个像素在训练样本i中的对应位置处的像素灰度值；使用主成分分析方法对灰度向量的集合进行特征的提取，得到的灰度模型表示如下： 其中，表示平均图像中每个像素的灰度值；为主成分分析得到的灰度特征向量矩阵，其中的M个特征向量代表从训练集中学习到的M种灰度变化模式；bg∈RM为灰度参数；g∈RN表示当前的模型灰度值。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人大连理工大学，其通讯地址为：116024 辽宁省大连市甘井子区凌工路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。