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！

龙图腾网获悉北京理工大学申请的专利部分监督的腹部CT序列图像多器官自动分割方法及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：CN116402831B 。

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：202310308950.X，技术领域涉及：G06T7/10；该发明授权部分监督的腹部CT序列图像多器官自动分割方法及装置是由宋红;李强;杨健;付天宇;林毓聪;范敬凡;肖德强设计研发完成，并于2023-03-27向国家知识产权局提交的专利申请。

本部分监督的腹部CT序列图像多器官自动分割方法及装置在说明书摘要公布了：部分监督的腹部CT序列图像多器官自动分割方法及装置，方法包括：1获取待分割腹部多器官CT序列图像数据集；2预处理获取的腹部多器官CT序列图像数据集；3划分预处理后的腹部多器官CT序列图像数据集，该数据集包括训练集、验证集和测试集；4构建用于腹部多器官CT序列图像分割的深度学习模型，该深度学习模型为基于SwinTransformer技术的U型网络；5利用上述训练集和部分监督损失对上述深度学习模型进行训练，并根据上述验证集保存最佳模型，所述部分监督损失为边际损失和排他损失的线性组合；6利用上述保存的最佳模型对上述测试集进行预测，获得腹部CT序列图像中多个器官的分割结果。

本发明授权部分监督的腹部CT序列图像多器官自动分割方法及装置在权利要求书中公布了：1.部分监督的腹部CT序列图像多器官自动分割方法，其特征在于： 其包括以下步骤： 1获取待分割腹部多器官CT序列图像数据集； 2预处理获取的腹部多器官CT序列图像数据集； 3划分预处理后的腹部多器官CT序列图像数据集，该数据集包括训练集、验证集和测试集； 4构建用于腹部多器官CT序列图像分割的深度学习模型，该深度学习模型为基于SwinTransformer技术的U型网络； 5利用上述训练集和部分监督损失对上述深度学习模型进行训练，并根据上述验证集保存最佳模型，所述部分监督损失为边际损失和排他损失的线性组合； 6利用上述保存的最佳模型对上述测试集进行预测，获得腹部CT序列图像中多个器官的分割结果； 所述步骤4中，深度学习模型由一个基于SwinTransformer的编码器和一个基于CNN的解码器组成，编码器使用的补丁大小为2×2×2，特征维度为2×2×2×1＝8和嵌入空间P＝48维；编码器的整体架构由四个阶段组成，每个阶段包括两个SwinTransformer块，在每一阶段之间，利用补丁合并层将分辨率降低两倍，阶段1包括一个线性嵌入层和令牌数量为的SwinTransformer块；补丁合并层对分辨率为2×2×2的补丁进行分组，并将它们拼接起来，形成一个4P维特征嵌入，然后使用线性嵌入层降低特征维度到2P，相同的过程继续在阶段2、阶段3和阶段4执行，它们的SwinTransformer块中的令牌数量分别为和 编码器在不同阶段的分层表示被用于腹部多器官CT序列图像分割多尺度特征提取； 解码器由五个连续的反卷积层组成，编码器在每个分辨率跳跃连接到解码器，为腹部多器官CT序列图像分割创建一个U型网络；模型提取每个阶段i的输出序列特征，并将它们重塑为大小为的特征，编码器中的i∈{0,1,2,3,4}以及瓶颈层i＝5；然后将每个阶段提取的特征输入一个残差块，该残差块由两个后实例归一化3×3×3卷积层组成，每个阶段处理后的特征使用反卷积层上采样，并与前一阶段处理后的特征拼接，拼接的特征输入上述残差块中；将解码器的输出与输入体数据处理后的特征拼接起来，并将它们输入上述残差块，随后使用一个带有softmax函数的1×1×1卷积层，计算最终的分割概率。

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理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5号北京理工大学；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”。