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！

龙图腾网恭喜西南石油大学申请的专利一种联合几何拓扑分析的动脉瘤3D点云自动化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：CN119379721B 。

龙图腾网通过国家知识产权局官网在2025-04-11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：202411989812.3，技术领域涉及：G06F17/40；该发明授权一种联合几何拓扑分析的动脉瘤3D点云自动化分割方法是由王杨;张馨月;彭博;李艳设计研发完成，并于2024-12-31向国家知识产权局提交的专利申请。

本一种联合几何拓扑分析的动脉瘤3D点云自动化分割方法在说明书摘要公布了：本发明涉及一种联合几何拓扑分析的动脉瘤3D点云自动化分割方法，属于人工智能与医学数据处理结合领域，旨在提高动脉瘤3D点云的分割精度。技术方案包括：首先，对MRA图像重建的动脉瘤3D点云进行数据预处理。接着，构建双分支特征提取框架，第一个分支是分层几何特征学习模块，提取动脉瘤点云的局部几何信息；第二个分是拓扑分析模块，通过持久同调过滤局部噪声的影响，捕捉物体的多尺度拓扑不变性特征。最后，设计注意力融合模块，将来自双分支特征提取框架中不同感受野的信息深度融合。本发明显著增强对动脉瘤3D点云数据的处理和特征提取能力，从而实现动脉瘤的自动化精确分割。

本发明授权一种联合几何拓扑分析的动脉瘤3D点云自动化分割方法在权利要求书中公布了：1.一种联合几何拓扑分析的动脉瘤3D点云自动化分割方法，其特征在于，包括如下步骤：3D动脉瘤点云数据预处理模块，用于对MRA图像重建的原始3D动脉瘤点云数据集进行预处理，有效提升3D点云数据的质量和输入一致性；所述的3D动脉瘤点云数据预处理模块，包括采样和数据归一化两个主要步骤：采样对输入样本进行预处理，首先读取原始样本，获取点的坐标、分割标签、点云中点的数量N并设置目标点数M；然后比较M、N大小，如果NM，则补全点云样本数据；否则，则采用最远点采样方法对输入样本进行采样，使得模型的输入保持一致，同时最大化的保持原始数据形状；数据归一化对点云数据进行归一化处理，将每个点的坐标尺度统一在相同的范围内，从而适应网络模型输入；双分支特征提取框架，用于分别获取输入数据的几何信息和拓扑信息；第一个分支是层次几何特征学习模块，使用了一个分层的神经网络处理在度量空间中采样的点集，用于提取动脉瘤点云的局部上下文几何信息；所述的分层的神经网络，首先，利用距离度量将点集划分为重叠的局部区域；随后，在不同空间尺度下，从每个局部区域的相邻点提取局部几何特征；最后，将提取的局部几何特征聚合为更大的单元，以生成更高级的特征表示；重复这个过程，直到点集中的所有特征都被完全提取出来；整个网络由多个抽象模块组成，每个模块包含采样、分组和特征提取层：为了有效减少点云的冗余，对于N个点，d维的包含C个特征数量的点云数据，网络的输入是空间尺度上的张量N*d+C，通过采样层后，特征输出大小变为N1*d+C；在采样层处理后，将点云数据通过分组层构建一组局部区域；以点集中的N1个点作为球心，在指定半径r内检索最接近质心的K个点，把输入点集划分成单尺度的局部邻居；若球中的点数大于等于K，取前K个点作为子区域；若点数小于K，则对该点集重采样；这样，输入点集就被分成多个空间上有重叠的球形邻域，每个邻域是这些点的一个局部子集，经过分组层处理后，网络输出变为N1*K*d+C；在分组层处理后，将代表颅内血管的点云数据划分为N1个空间球邻域；特征提取层采用了仿射变换网络T-Net，并以PointNet为主干网络，从每个邻域中提取局部特征；第二个分支是拓扑分析模块，用于定量计算动脉瘤的拓扑特征，同时过滤局部噪声的影响；使用持久同源性分析识别持久性特征，从而提取动脉瘤的拓扑结构表示，包括通过使用Ripser++进行拓扑特征提取和GPU加速计算持久性条形码及同源性分析，能有效地识别出动脉瘤的拓扑结构；包括如下步骤：首先是过滤，这一步是推断采样数据形状拓扑结构的关键步骤，具有N个点的输入点云被认为是一个有限度量空间xN，在xN中应用了滤波结构，通过增加数据点下的多尺度拓扑空间参数捕捉物体的演化过程；在此具体使用Vietoris-Rips复形过滤方法，对于数据预处理之后的包含n个点的点集X＝{x1,x2,...,xn}，在每个采样点上放置闭合球，并逐渐增加半径参数∈，如果有相交的球体，则连接球心，以此构造单纯复形；通过设置不同的阈值半径参数∈，形成的单纯复形用以捕获数据中的多个尺度拓扑信息；对于属于X的一个子集σ，diamσ是σ中两点之间的最大距离，如果diamσ≤∈，则在复合物中包含一个单纯复形，Vietoris-Rips复合物V∈X表示为： 然后对复合物V∈X进行特征映射，拓扑特征的持续时间与对象的几何性质直接相关，在封闭球直径超过设定阈值R1时，复合物中存在一些稳定的拓扑特征，在封闭球直径小于设定阈值R2时，生成的短暂特征被视为噪声；因此，为了跟踪过滤过程中拓扑特征的演化，将复合物V∈X中的特征映射到持久性图PD上，以定量计算拓扑特征的持久性；首先，每个多尺度拓扑特征的生命周期记录为一个持久性条形码；然后，将持久性条形码转换为每个拓扑特征出现和消失的具体数值时间，绘制到PD上；在PD中，每个点x,y则代表一个持久拓扑同源类，其在某个封闭球直径Rbirth下首次出现，并在更大的阈值Rdeath时消失；最后将特征向量化，即将PD转换为可用于机器学习分析的空间结构，作为下游分割任务的输入；特征向量化需要分三步将原始拓扑数据转换为一个具有空间结构的矩阵：a.建立持久性曲面将PD上的每个点映射为可积函数ρPD，并将所有函数加总，形成一个平滑的曲面；b.离散ρB的子域；将曲面划分为离散的子域，每个子域由小网格单元组成；在每个网格单元内，计算持久曲面函数ρPD的积分；积分值用于表示对应网格单元的权重，并量化网格单元内的拓扑信息；在第i行和第j列的网格Gridi,j中，该网格内的持久曲面函数的积分计算为： c.计算持久性图像PI；将上述b中得到的持久曲面函数的积分编译成一个矩阵，形成PI，每个矩阵元素对应于一个网格，其值表示该网格内拓扑结构信息的强度或密度；Iij为网格的第i行和第j列中的持久性曲面的积分，则PI表示为： 拓扑分析模块将一维和二维的拓扑同源类特征表征为持久性图像，进而将其转换为特征向量后进行拼接操作；扩展拓扑特征向量的维度，以便与双分支特征提取框架中的层次几何特征学习模块所获取的几何局部特征相融合；注意力融合模块，用于整合层次几何特征学习模块和拓扑分析模块得到的不同感受野的信息，得到最终分割结果；所述的注意力融合模块，具体将双分支特征提取框架中的层次几何特征学习模块和拓扑分析模块得到的向量进行拼接，通过带有独立权重矩阵的注意力头进行线性变换；对于每个注意力头，采用缩放点积注意机制，将查询和键经过线性变换后的内积作为注意力得分，并用softmax函数对其归一化，最后利用注意力分数对值进行加权得到每个注意力头的输出；联合损失函数，用于同时利用几何和拓扑信息对模型进行优化，通过引入拓扑损失函数，能够更好地保留动脉瘤的拓扑结构，进一步减少分割误差，从而提高分割性能；首先，利用交叉熵损失函数监督模型生成基于空间位置坐标和几何信息的粗略分类结果，同时，引入拓扑损失测量两个PD之间的差异，实现优化分割； 衡量预测结果和真实结果的PD之间的拓扑误差，其应用一阶Wasserstein距离W1寻找预测结果的持久性图dgmPL与真实结果的持久性图dgmGT之间的最佳匹配m*，m*用于衡量两个持久性图之间的相似性: m为dgmPL和dgmGT之间的匹配集合，其中每个匹配点u∈dgmPL对应v∈dgmGT；对于每对匹配点u,v∈m，其范数距离即为Wasserstein距离；然后，针对每个类别c＝1，2，计算拓扑损失 对于所有类别，总的表示为： 最后，联合损失函数由超参数λ1和λ2对各项损失进行加权，表示为：

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西南石油大学，其通讯地址为：610500 四川省成都市新都区新都大道8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”。