Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 恭喜中国人民解放军陆军军医大学粘永健获国家专利权

恭喜中国人民解放军陆军军医大学粘永健获国家专利权

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!

龙图腾网恭喜中国人民解放军陆军军医大学申请的专利基于深度学习的脑出血CT影像分割方法、装置及系统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:CN115170587B

龙图腾网通过国家知识产权局官网在2025-05-30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:202210862901.6,技术领域涉及:G06T7/11;该发明授权基于深度学习的脑出血CT影像分割方法、装置及系统是由粘永健;胡荣;彭琦;陈星材;刘静静;杨毅设计研发完成,并于2022-07-21向国家知识产权局提交的专利申请。

基于深度学习的脑出血CT影像分割方法、装置及系统在说明书摘要公布了:本发明提供了基于深度学习的脑出血CT影像分割方法、装置及系统。分割方法包括:获取CT断层图像;将CT断层图像输入训练好的CT图像分割模型,CT图像分割模型输出分割图像;CT图像分割模型包括依次连接的N层下采样模块和N层上采样模块,每层上采样模块和对应下采样模块的上一层下采样模块之间设有第一跳接路径,第一跳接路径上设有AG模块,相邻层下采样模块之间设有第二跳接路径,第二跳接路径上设有Focus模块。分割网络利用Focus模块能有效保留出血区域整体特征的完整性,通过AG模块使分割网络更加聚焦于任务相关的重要特征,Focus模块和AG模块的结合使得CT图像分割模型的分割网络具有优异的分割效果。

本发明授权基于深度学习的脑出血CT影像分割方法、装置及系统在权利要求书中公布了:1.基于深度学习的脑出血CT影像分割方法,其特征在于,包括:获取CT断层图像;将所述CT断层图像输入训练好的CT图像分割模型,所述CT图像分割模型分割出所述CT断层图像中的出血区域并输出分割图像;所述CT图像分割模型的分割网络基于Unet网络架构构建,包括依次连接的N层下采样模块和N层上采样模块,下采样模块和上采样模块一一对应,每层上采样模块和对应下采样模块的上一层下采样模块之间设有第一跳接路径,所述第一跳接路径上设有AG模块,相邻层下采样模块之间设有第二跳接路径,所述第二跳接路径上设有Focus模块,所述N为正整数;其中,相邻层下采样模块之间的第二跳接路径上的Focus模块执行:对上一层下采样模块中编码卷积的输出图像以步长2进行取样,所述输出图像的通道数为C,所述C为正整数;对取样获得的图像进行卷积操作输出包括C2个通道的特征图;将所述特征图与下一层下采样模块的最大池化层的输出图像进行特征融合,将获得的特征融合图像输入下一层下采样模块的编码卷积处理;其中,每层上采样模块连接的第一跳接路径上的AG模块执行:对本层上采样模块的上采样层的输出图像进行卷积操作获得第一卷积图像,对本层上采样模块对应下采样模块的上一层下采样模块的编码卷积输出图像进行卷积操作获得第二卷积图像;合并第一卷积图像和第二卷积图像,将合并图像输入第一激活层,将第一激活层输出图像进行卷积操作后输入第二激活层,第二激活层输出注意力系数矩阵;将所述注意力系数矩阵与本层上采样模块对应下采样模块的上一层下采样模块的编码卷积输出图像相乘获得AG处理图像;第一跳接路径将所述AG处理图像与本层上采样模块的上采样层的输出图像合并后输入本层上采样模块的解码卷积处理。

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中国人民解放军陆军军医大学,其通讯地址为:400038 重庆市沙坪坝区高滩岩正街30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”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。