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！

龙图腾网获悉河海大学常州校区申请的专利一种基于改进U-Net的下肢骨骼CT图像分割算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：CN114913327B 。

龙图腾网通过国家知识产权局官网在2025-07-22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：202210535354.0，技术领域涉及：G06V10/26；该发明授权一种基于改进U-Net的下肢骨骼CT图像分割算法是由童晶;刘金辉设计研发完成，并于2022-05-17向国家知识产权局提交的专利申请。

本一种基于改进U-Net的下肢骨骼CT图像分割算法在说明书摘要公布了：本发明公开了一种基于改进U‑Net的下肢骨骼CT图像分割算法，包括：获得CT数据集；将CT数据集按比例划分，构建为训练集与测试集，将获得数据增强和裁剪后的训练集导入改进的U‑Net网络提取多个不同维度通道的骨骼特征，并对多个不同维度通道的骨骼特征进行融合获取预测图；将预测图与对应的金标准对比图进行对比，获得网络损失函数，并导入反向传播训练模型计算，获得网络训练参数优化改进的U‑Net网络，并将测试集数据导入优化后的改进的U‑Net网络，对优化改进的U‑Net网络的性能进行评分，选择性能评分高于其它的优化改进的U‑Net网络进行分割。本发明弥补了U‑Net算法的部分不足和充分利用骨骼CT图像的特征，实现了精准的医学CI图像分割。

本发明授权一种基于改进U-Net的下肢骨骼CT图像分割算法在权利要求书中公布了：1.一种基于改进U-Net的下肢骨骼CT图像分割算法，其特征在于，包括： 对采集的患者下肢骨骼CT图像进行标注，获得CT数据集； 将CT数据集按比例划分，构建为训练集与测试集，并对训练集进行数据增强、随机裁剪，获得数据增强和裁剪后的训练集； 将数据增强和裁剪后的训练集导入改进的U-Net网络提取多个不同维度通道的骨骼特征，并对多个不同维度通道的骨骼特征进行融合，获取预测图； 将预测图与对应的金标准对比图进行对比，获得网络损失函数； 将网络损失函数导入反向传播训练模型计算，获得网络训练参数； 利用训练参数优化改进的U-Net网络，并将测试集数据导入优化后的改进的U-Net网络，获得用于测试的分割骨骼图像，并通过测试的分割骨骼图像对优化改进的U-Net网络的性能进行评分； 选择性能评分高于其它的优化改进的U-Net网络导入CT数据集进行CT图像分割； 其中，改进的U-Net网络包括上采样模块和下采样模；将上采样模块和下采样模块输出的骨骼特征图输入结合注意力机制的融合模块进行融合，生成预测图，包括： 从上采样模块和下采样模块输出的骨骼特征图中分别提取高维度特征H、低维度特征L； 将从上采样模块得来的高维度特征H按通道维度随机平分生成特征图H1、特征图H2类别，将低维度特征经过卷积核大小为1×1，步长为1，输入输出通道数相同的卷积层实现跨域操作生成L； 特征图H1与L通过通道注意力分支生成通道注意力特征Fc，特征图H2与L通过空间注意力分支生成空间注意力特征Fs； 通过通道注意力特征Fc与空间注意力特征Fs，获得通道权重和空间权重； 将通道权重和空间权重分别按照通道维度融合后通过卷积操作进行通道降维，获得融合后的通道权重和空间权重； 根据融合后的通道权重和空间权重，输出生成预测图； 通道注意力特征Fc获得通道权重的方法包括： 对特征图H1每一个通道做全局平均池化来获取当前通道的全局特征； 对当前通道的全局特征使用卷积核大小为1×1，输入通道为n,输出通道为nr的卷积操作，生成通道注意力第一积卷层的特征图； 对通道注意力第一积卷层的特征图使用卷积核大小为1×1，输入通道为nr,输出通道为n的卷积操作；生成通道注意力第二积卷层的特征图； 通道注意力第二积卷层的特征图通过Relu激活函数和Sigmoid函数变换后生成通道输出权重； 通道分支公式为： ωC＝Conv1x1Conv1x1GAP[H1,L] FC＝SigmoidωC*[H1,L] 式中，ωC为根据特征图求得的通道权重，H1为随机分配的高维度特征，L为低维度特征，Conv表示卷积核为1x1的卷积操作；GAP表示为全局平均池化；Sigmoid代表S函数，[H1,L]表示为通道维度的连接； 空间注意力特征Fs获得空间权重的方法包括： 从上采样模块和下采样模块输出的骨骼特征图中分别提取高维度特征H、低维度特征L；并将高维度特征H、低维度特征L相加； 分别对相加后的特征做通道上的最大池化与平均池化两种操作，分别获取两个特征图通道； 将获取到的两个特征图进行通道连接，生成通道数为1的特征图，其中，通道连接为经过一个卷积核大小为7×7的卷积层操作； 将通道数为1的特征图利用Sigmoid函数变化后作为高维度和低维度融合后的空间权重； 空间分支公式为： ωS＝Conv[AvgPoolH2+L,MaxPoolH2+L] FS＝SigmoidωS*H2+L； 式中，ωS为根据特征图求得的空间权重，H2为随机分配的高维度特征，MaxPool为最大池化操作，AvgPool为平均池化操作。

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河海大学常州校区，其通讯地址为：213022 江苏省常州市晋陵北路200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”。