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！

龙图腾网获悉西南石油大学申请的专利基于深度学习的脑胶质瘤图像分割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：CN120182282B 。

龙图腾网通过国家知识产权局官网在2025-07-25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：202510666571.7，技术领域涉及：G06T7/00；该发明授权基于深度学习的脑胶质瘤图像分割方法是由李婷婷;罗佳佳;丁莫平设计研发完成，并于2025-05-22向国家知识产权局提交的专利申请。

本基于深度学习的脑胶质瘤图像分割方法在说明书摘要公布了：本发明公开了一种基于深度学习的脑胶质瘤图像分割方法，涉及图像处理技术领域。包括以下步骤：获取多模态MRI图像并对其进行预处理，得到多通道输入图像张量；将多通道输入图像张量输入特征提取模块以得到第一损失；建立改进的UNet模型，并利用多通道输入图像张量对改进的UNet模型进行训练得到第二损失，结合第一损失和第二损失来调节改进的UNet模型的参数，得到训练后的模型；所述改进的UNet模型以UNet模型为基础，在UNet模型的最深层引入改进的超图卷积模块，在跳跃连接阶段引入多尺度动态加权特征金字塔模块，在特征恢复阶段引入双重注意力机制；取待分割的脑胶质瘤图像，利用训练后的模型对其进行分割。本发明的方法，极大地提高了分割的精度和准确率。

本发明授权基于深度学习的脑胶质瘤图像分割方法在权利要求书中公布了：1.一种基于深度学习的脑胶质瘤图像分割方法，其特征在于，包括： S1、获取多模态MRI图像并对其进行预处理，得到多通道输入图像张量； S2、将多通道输入图像张量输入特征提取模块进行训练并得到第一损失LNGF；所述特征提取模块包括高斯混合模型，通过核密度估计动态调整高斯混合模型中数据点的邻域范围，通过K-means++为高斯混合模型提供初始参数，并通过稀疏约束对高斯混合模型进行优化； S3、建立改进的UNet模型，并利用多通道输入图像张量对改进的UNet模型进行训练得到第二损失Lnet，基于第一损失和第二损失得到总损失Ltotal=Lnet+γ·LNGF，并基于总损失来调节改进的UNet模型的参数，进而得到训练后的模型；所述改进的UNet模型以UNet模型为基础，在UNet模型的最深层引入改进的超图卷积模块，在跳跃连接阶段引入多尺度动态加权特征金字塔模块，在特征恢复阶段引入双重注意力机制； S4、取待分割的脑胶质瘤图像，利用S3的训练后的模型对其进行分割。

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西南石油大学，其通讯地址为：610500 四川省成都市新都区新都大道8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”。