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！

龙图腾网获悉浙江大学申请的专利基于多形态肿块图像特征分组的卵巢肿块分割装置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：CN120107603B 。

龙图腾网通过国家知识产权局官网在2025-07-18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：202510580530.6，技术领域涉及：G06V10/26；该发明授权基于多形态肿块图像特征分组的卵巢肿块分割装置是由秦佳乐;戴瑞霞;田雨;俞静婧设计研发完成，并于2025-05-07向国家知识产权局提交的专利申请。

本基于多形态肿块图像特征分组的卵巢肿块分割装置在说明书摘要公布了：本发明公开了一种基于多形态肿块图像特征分组的卵巢肿块分割装置，属于医学图像分割领域，包括：对卵巢癌超声影像囊中的内实性部分进行多形态肿块图像特征分组且标记类别标签后，进行超声图像预处理；构建包含基于融合协同自适应Transformer的第一卵巢肿块分类模块、基于影像组学特征的第二卵巢肿块分类模块和置信投票模块的卵巢肿块类别识别模型，其中预处理后三类超声图像经过第一卵巢肿块分类模块得到第一分类结果，对预处理后三类图像提取的影像组学特征经过第二卵巢肿块分类模块得到第二分类结果，两个分类结果通过置信投票模块得到最终分类结果；构建每个卵巢肿块类别对应的专属病灶区域分割模型和进行病灶区域的准确分割。

本发明授权基于多形态肿块图像特征分组的卵巢肿块分割装置在权利要求书中公布了：1.一种基于多形态肿块图像特征分组的卵巢肿块分割装置，其特征在于，包括： 数据获取及预处理单元，其用于获取卵巢癌超声影像，并对囊内实性部分进行多形态肿块图像特征分组且标记卵巢肿块类别标签后，进行超声图像预处理； 卵巢肿块类别识别单元，其用于构建卵巢肿块类别识别模型和进行卵巢肿块类别识别，其中卵巢肿块类别识别模型包括基于融合协同自适应Transformer的第一卵巢肿块分类模块、基于影像组学特征的第二卵巢肿块分类模块和置信投票模块，预处理后三类超声图像经过第一卵巢肿块分类模块得到第一分类结果，对预处理后三类图像提取的影像组学特征经过第二卵巢肿块分类模块得到第二分类结果，两个分类结果通过置信投票模块得到最终分类结果； 其中，基于融合协同自适应Transformer的第一卵巢肿块分类模块包括双分支图像分割子模块、线性投影及位置编码子模块、多尺度Transformer编码器和分支融合子模块，其中双分支图像分割子模块采用多尺度策略将输入超声图像并行分割为大小尺寸规则的图像块，以分别捕获丰富的语义信息和精细的局部细节；线性投影及位置编码子模块通过线性层将每个分支的图像块映射到向量空间，并使用可学习的绝对位置编码保留空间信息，得到图像特征；多尺度Transformer编码器用于对向量空间中每个分支的图像特征进行自适应感知编码和协同注意力编码后得到每个分支的编码特征，具体包括：每个分支不同尺度的图像特征先经过自适应Transformer进行自适应感知编码，得到的大尺度图像语义特征和小尺寸图像细节特征同时在协同注意力子模块中，以一个分支的类别表示融合另一个分支的特征来达到交换信息目的为思想，进行特征与类别表示的协同关注融合得到每个分支的编码特征；分支融合子模块负责将双分支的编码特征进行整合后预测得到最终的第一分类结果； 病灶区域分割单元，其用于构建每个卵巢肿块类别对应的专属病灶区域分割模型和进行病灶区域分割，其中从病灶区域分割单元中选择的最终分类结果对应的专属病灶区域分割模型用于对预处理后超声图像进行特征提取后分割得到病灶区域分割结果。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。