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！

龙图腾网获悉中国科学院精密测量科学与技术创新研究院申请的专利一种基于人工智能和超像素分割的医学影像融合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：CN115731444B 。

龙图腾网通过国家知识产权局官网在2025-07-08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：202211585980.7，技术领域涉及：G06V10/80；该发明授权一种基于人工智能和超像素分割的医学影像融合方法是由周欣;邓依凡;肖洒;王成;孙献平;叶朝辉设计研发完成，并于2022-12-10向国家知识产权局提交的专利申请。

本一种基于人工智能和超像素分割的医学影像融合方法在说明书摘要公布了：本发明公开了一种基于人工智能和超像素分割的医学影像融合方法，包括步骤如下：1、获取不同模态原始医学图像并进行预处理得到预处理块图像；2、对不同模态的预处理块图像分别进行超像素分割；3、构建图像特征提取模块，利用预训练卷积神经网络提取超像素分割伪CIELAB图像对应的特征图及权重图；4、建立图像特征融合模块，将多个来源的信息整合到一张图中得到融合结果并筛选出最终融合图像；5、将最终融合图像转化为人眼可读的图像格式。本发明无需事先对图像模态进行训练，可很好地泛化以涵盖不同的融合模态，且事先降低了图像复杂度，极快实现高质量低噪声融合结果。

本发明授权一种基于人工智能和超像素分割的医学影像融合方法在权利要求书中公布了：1.一种基于人工智能和超像素分割的医学影像融合方法，其特征在于，包括以下步骤： 步骤1：针对同一对象获取M个不同模态的原始医学图像，提取所有模态的原始医学图像对应的预处理块图像集合； 步骤2：对来自步骤1中得到的预处理块图像进行超像素分割处理，得到超像素分割的伪CIELAB图像； 步骤3：构建图像特征提取模块，依据步骤2生成的超像素分割的伪CIELAB图像获得各模态对应的pytorchtensor图像，并利用预训练卷积神经网络提取各模态pytorchtensor图像对应的权重图； 步骤4：构建图像特征融合模块，将步骤3中提取到各模态对应的pytorchtensor图像在权重图的指引下进行融合，筛选获得最终融合图像； 步骤5、将最终融合图像转化为其他人眼可读的图像格式，然后裁剪到合适的大小，并处理溢出区域； 所述步骤2包括如下步骤： 步骤2.1：对预处理块图像进行去噪然后增加目标区域与背景区域的对比度，获取降噪增强块图像集合； 步骤2.2：对各个降噪增强块图像映射到伪色彩空间再计算CIELAB颜色空间从而获取伪CIELAB图像及每个伪CIELAB图像中各个像素的五维向量； 步骤2.3：对伪CIELAB图像进行超像素分割，获得各模态的超像素整体图像； 步骤2.4：调整各模态的超像素整体图像的尺寸大小，得到超像素分割的伪CIELAB图像dm，其中m∈{1，2，...，M}，表示第m的模态； 所述步骤3包括如下步骤： 步骤3.1：将超像素分割的伪CIELAB图像反转换为伪RGB图像格式，再继续转换成YCbCr格式，之后转换成pytorchtensor数据格式，得到各模态对应的pytorchtensor图像dm’，m∈{1，2，...，M}； 步骤3.2：各模态对应的pytorchtensor图像输入到预训练卷积神经网络中，并提取各模态的pytorchtensor图像在各层卷积层中对应的特征图，从而得到各模态pytorchtensor图像在各层卷积层中的对应的特征图集合； 步骤3.3：对于预训练卷积神经网络输出的每个特征图集合，计算对应的范数值； 步骤3.4：用步骤3.3得到的范数值计算各模态pytorchtensor图像的特征图集合对应的权重图； 步骤3.5：对每幅权重图进行高斯平滑得到平滑后的权重图。

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科学院精密测量科学与技术创新研究院，其通讯地址为：430071 湖北省武汉市武昌区小洪山西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”。