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！

龙图腾网获悉北京大学申请的专利一种利用锥束计算机断层扫描图像自动分割咀嚼肌的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：CN116433682B 。

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：202111676854.8，技术领域涉及：G06T7/11；该发明授权一种利用锥束计算机断层扫描图像自动分割咀嚼肌的方法是由钟易澄;裴玉茹;许天民;查红彬设计研发完成，并于2021-12-31向国家知识产权局提交的专利申请。

本一种利用锥束计算机断层扫描图像自动分割咀嚼肌的方法在说明书摘要公布了：本发明公布了一种利用锥束计算机断层扫描图像自动分割咀嚼肌的方法，创建基于双图推理的深度神经网络，将类图与区域图推理用于学习多类别肌肉的高层表示，对锥束计算机断层扫描图像内的不同类别肌肉区域关联进行建模；其中利用类图基于全连接网络的肌肉分类器中的可学习权重矩阵，获取特定类别的先验知识表示，并增强特定类别肌肉图像特征；本发明通过对锥束计算机断层扫描图像内的不同类别肌肉区域关联进行建模，使用类图与区域图推理挖掘肌肉先验表示和肌肉间的局部依赖和长程依赖关系，从低剂量的有噪锥束CT图像中高效地进行特征提取和学习，能够提升咀嚼肌的分割精度。

本发明授权一种利用锥束计算机断层扫描图像自动分割咀嚼肌的方法在权利要求书中公布了：1.一种利用锥束计算机断层扫描图像自动分割咀嚼肌的方法，创建基于双图推理的深度神经网络，将类图与区域图推理用于学习多类别肌肉的高层表示，对锥束计算机断层扫描图像内的不同类别肌肉区域关联进行建模；其中利用类图基于全连接网络的肌肉分类器中的可学习权重矩阵，获取特定类别的先验知识表示，并增强特定类别肌肉图像特征；使用类图与区域图推理挖掘肌肉先验表示和肌肉间的局部依赖和长程依赖关系，从低剂量的有噪锥束CT图像中高效地进行特征提取和学习，提升咀嚼肌分割精度，有效实现端到端的多类咀嚼肌的分割；包括以下步骤： 1搭建双图推理网络：包括咀嚼肌分类网络与咀嚼肌分割网络，以及基于类图的推理模块与基于区域图的推理模块； 咀嚼肌分类网络包括用于提取特征的基于卷积神经网络的特征提取网络和用于生成区域属于肌肉的类别标签的分类网络；咀嚼肌分割网络用于预测像素标签； 通过双图推理网络的基于类图的推理模块与基于区域图的推理模块进行特征表示学习和特征增强；将增强后的特征再作为咀嚼肌分类网络与咀嚼肌分割网络的输入，获得最终的分类与分割结果； 1a基于类图的推理模块，输出基于类图的增强特征； 建立类图，类图中的节点表示肌肉类别；类图中的边表示肌肉类别间关联； 定义类间关联矩阵Ac；基于全连接网络的肌肉分类模型的权重矩阵R作为高层肌肉类别的先验知识表示，肌肉先验知识矩阵在训练过程中通过优化肌肉分类器进行更新； 定义基于类图的增强特征；基于咀嚼肌肌肉先验知识的类图推理缓解局部图像伪影造成的低质量特征问题，并对肌肉区域图像特征进行增强； 1b基于区域图的推理模块，输出基于区域图推理的增强特征； 构建区域图GrNr,Er，对肌肉区域图像之间的关联进行建模，其中，图节点集合Nr由区域提取网络输出的多类咀嚼肌区域定义，Er表示区域间两两连接的边集； 定义区域关联矩阵Ar；基于区域图的推理学习利用肌肉区域关联对区域特征进行增强，利用图卷积神经网络对区域间的局部关系和长程依赖关系进行建模；利用区域关联进行区域特征增强； 1c特征融合：将基于类图的增强特征与基于区域图的增强特征串联，获取基于双图推理模型增强后的特征； 将串联后得到的特征作为咀嚼肌分类网络与咀嚼肌分割网络的输入，再进一步进行咀嚼肌的精细分类与分割； 2基于类图的推理模块和基于区域图的推理模块均为动态可学习的模块，并在训练阶段进行优化，得到训练好的特征增强的双图推理网络模型； 3利用训练好的双图推理特征增强网络，对锥束CT图像进行咀嚼肌的肌肉分割； 输入锥束CT图像，利用基于级联卷积的特征提取网络将输入图像映射到高维特征空间，该区域特征用于进行初步的肌肉分类与分割；将基于全连接网络的肌肉分类模型用于获取多类别肌肉的先验知识；肌肉分割模型用于获取按像素属于前景肌肉的概率分布；通过双图推理模块结合类图推理与区域图推理对区域特征进行增强，该增强特征用于进一步改善肌肉分类与分割； 通过上述步骤，实现基于锥束CT图像的多类咀嚼肌肉的分割。

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北京大学，其通讯地址为：100871 北京市海淀区颐和园路5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”。