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！

龙图腾网获悉西安电子科技大学申请的专利基于深度概率图和矢量融合的腹部多器官配准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：CN117197200B 。

龙图腾网通过国家知识产权局官网在2025-07-29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：202311107895.4，技术领域涉及：G06T7/33；该发明授权基于深度概率图和矢量融合的腹部多器官配准方法是由李卫斌;朱一杰;缑水平;陈阳;童诺;李颖萍设计研发完成，并于2023-08-31向国家知识产权局提交的专利申请。

本基于深度概率图和矢量融合的腹部多器官配准方法在说明书摘要公布了：本发明公开了一种基于深度概率图和矢量融合的多器官配准方法，主要解决现有技术下腹部CBCT与MRI影像进行多器官配准时，器官对应错误和不同形变场融合易发生冲突的问题。其实现方案是：对多器官数据进行预处理并使用Mask‑RCNN得到分割结果；构建由多器官形变场和概率图生成网络与VFF向量场融合模块组成的多器官配准网络，并定义其损失函数；使用训练集数据对该网络进行训练；将测试集数据输入到训练好的网络中得到融合后的形变场；使用形变场对目标图像进行插值得到配准结果。本发明能良好地对应器官关系，有效减少每个器官对周围器官的影响，提高了对多器官配准的精度，可用于大形变跨模态的医学图像配准，协助医生放疗和穿刺。

本发明授权基于深度概率图和矢量融合的腹部多器官配准方法在权利要求书中公布了：1.一种基于深度概率图和矢量融合的腹部多器官配准方法，其特征在于，包括： 1以跨模态大形变的三个器官，即子宫、膀胱、直肠的医学图像数据集作为原始数据，将其按照8：1划分为训练集和测试集，训练集和测试集均包括标签和图像两部分； 2将训练集中的图像输入到Mask-RCNN网络中，使用标签和网络的输出计算其损失值，并使用随机梯度下降法对其进行迭代训练，得到训练好的Mask-RCNN网络； 3将测试集和训练集中的图像输入到训练好的Mask-RCNN网络中，并重新划分训练集和测试集，对重新划分后的训练集和测试集进行合并，得到三个器官的分割结果D1、D2、D3； 4利用步骤3的结果，构建多器官形变场和概率图生成网络： 4a选用现有的三个U-net网络结构，分别构成三个形变场生成网络Net1、Net2、Net3，即每个形变场生成网络均包括一个编码器和一个解码器； 4b选用现有U-net网络中编码器构成全局概率图网络Net4； 4c将三个器官的分割结果D1、D2、D3分别输入到三个形变场生成网络Net1、Net2、Net3中，得到三个器官的形变场g1、g2、g3； 4d将三个器官的分割结果D1、D2、D3进行融合，并输入到全局概率图编码器网络Net4中得到全局概率图ga； 4e将三个形变场生成网络Net1、Net2、Net3与全局概率图网络Net4并行连接，构成多器官形变场和概率图生成网络； 5构建VFF向量场融合模块： 5a建立包括线性层、层归一化和多头注意力层的多头注意力网络branch1，把三个形变场g1、g2、g3和全局概率图ga输入到branch1中，用于获得每个器官形变场的权重W1、W2、W3； 5b建立由一个拉普拉斯核构成的拉普拉斯卷积网络branch2，用于获得三个形变场g1、g2、g3的梯度 5c建立包括MLP层、层归一化和残差结构的反向解码融合网络UN，用于输入三个形变场的梯度和每个器官形变场的权重W1、W2、W3，得到配准所需的形变场； 5d将多头注意力网络branch1与拉普拉斯卷积网络branch2并行连接，再与和反向解码融合网络UN级联，构成VFF向量场融合模块； 6将多器官形变场和概率图生成网络与VFF向量场融合模块级联，构成多器官配准网络PoissonNet，并定义其损失函数为： L＝λ1Ls1+Ls2+Ls3+λ2Lg 其中，Ls1为子宫形变场的局部损失函数，Ls2为膀胱形变q场的局部损失函数，Ls3为直肠形变场的局部损失函数，Lg＝Lncc+λ3Lmse+λ4Lreg为融合损失函数，λ1为Ls1、Ls2、Ls3的权重系数，λ2为Lg的权重系数，Lncc为归一化互相关损失函数，Lmse为均方误差损失函数，Lreg为正则化损失函数，λ3为Lmse的权重系数，λ4为Lreg的权重系数； 7使用重新划分后的训练集数据和Adam优化器对多器官配准网络PoissonNet进行迭代训练，直至损失函数收敛，得到训练好的多器官配准网络； 8将子宫、膀胱、直肠这三个器官的分割结果D1、D2、D3输入到训练好的多器官配准网络中，得到多器官配准所需的形变场； 9用生成的形变场对目标图像中的每个像素进行插值，找到对应的参考图像中的位置，得到配准结果。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路2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”。