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基于深度学习的骨显像病灶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：CN116433680B 。

龙图腾网通过国家知识产权局官网在2025-05-16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：202310370170.8，技术领域涉及：G06T7/10；该发明授权一种基于深度学习的骨显像病灶分割方法是由罗仁泽;吴涛;余泓;刘恒;林泓宇;陈翔;廖波;易玺;赵丹;曹瑞;王清松设计研发完成，并于2023-04-10向国家知识产权局提交的专利申请。

本一种基于深度学习的骨显像病灶分割方法在说明书摘要公布了：本发明提出一种基于深度学习的骨显像病灶分割方法。该方法先对采集到的骨显像图像进行预处理，首先构建Encoder模块，对采用SwinTransformer编码部分对骨显像图像进行编码提取病灶特征，然后构建注意力汇聚模块对编码器输出的特征图注意力进行汇聚，减少注意力分散，提高局部的特征提取能力；然后构建Decoder模块对注意力汇聚模块输出的特征图进行逐步特征融合减少特征差异，同时将不同分辨率的特征图信息进行融合；最后将融合后的特征图输入线性预测层中得到分割的结果。本发明能够提高骨显像病灶分割的精度。

本发明授权一种基于深度学习的骨显像病灶分割方法在权利要求书中公布了：1.一种基于深度学习的骨显像病灶分割方法，其特征在于包括以下步骤：步骤S1，获取骨显像图像，并对骨显像图像进行标注然后将骨显像图像分配为骨显像图像训练集和骨显像图像测试集，完成骨显像数据集构建；步骤S2，将步骤S1中获得的骨显像图像训练集和骨显像图像测试集中的骨显像图像切割成大小相同的patch图像，将patch图像输入到encoder模块中；步骤S3，构建Encoder模块，Encoder是对输入的图像进行编码，获取图像的特征图；Encoder模块采用的是SwinTransformer网络的特征提取部分，包括四个阶段；第一个阶段由LinearEmbedding模块和SwinTransformerBlock模块组成，后面三个阶段均由PatchMerging模块和SwinTransformerBlock模块组成；LinearEmbedding模块通过卷积操作增大步骤S2中切割得到patch图像的通道数，SwinTransformerBlock由两个计算单元组成，第一个是窗口多头自注意力单元，第二个是移动窗口多头自注意力单元；步骤S4，构建注意力汇聚模块；注意力汇聚模块通过卷积层、Relu激活函数以及上采样，将四个阶段输出的特征图分散的注意力重新汇聚起来；步骤S5，构建Decoder模块；Decoder模块是对输入的特征图进行解码；Decoder首先将第四个阶段输出的特征图输入到注意力汇聚模块中减少注意力分散，然后将注意力汇聚模块输出的特征图进行逐步特征融合，逐步特征融合将第四个阶段输出的经过注意力汇聚模块的特征图与第三个阶段输出的经过注意力汇聚模块得到的特征图进行拼接起来，再通过卷积操作将拼接后的特征图的通道数减半，再与第二阶段输出的经过注意力汇聚模块得到的特征图进行拼接，再通过卷积操作将拼接后的特征图的通道数减半得到的特征图，再与第一阶段输出的经过注意力汇聚模块得到的特征图进行拼接，然后通过卷积操作将拼接后的特征图的通道数减半得到特征图；最后将逐步特征融合得到的特征图输入到线性预测模块完成骨显像病灶分割。

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”。