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！

龙图腾网获悉太原理工大学申请的专利一种蜂窝状肺CT图像自动分割方法及系统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：CN117011528B 。

龙图腾网通过国家知识产权局官网在2025-09-05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：202310994772.0，技术领域涉及：G06V10/26；该发明授权一种蜂窝状肺CT图像自动分割方法及系统是由李钢;张玲;李玮晨;侯瑞祥;程珪娟;王启阳;张海轩设计研发完成，并于2023-08-09向国家知识产权局提交的专利申请。

本一种蜂窝状肺CT图像自动分割方法及系统在说明书摘要公布了：本发明公开了一种蜂窝状肺CT图像自动分割方法及系统，涉及图像分割技术领域。包括：对CT图像数据进行预处理，建立包括编码器、解码器和跳跃连接的SAA‑Unet模型，对模型进行训练，更新模型参数，获得训练好的SAA‑Unet模型，对训练好的SAA‑Unet模型进行性能评估，获得最终的SAA‑Unet模型，输出分割好的具有蜂窝状肺部病灶区域的CT图像。本发明有助于提高网络对蜂窝状肺部CT图像病灶区域的高层次特征描述能力，获得更多的细节特征，取得更好的分割性能。

本发明授权一种蜂窝状肺CT图像自动分割方法及系统在权利要求书中公布了：1.一种蜂窝状肺CT图像自动分割方法，其特征在于： 获取数据步骤：获取蜂窝状肺部CT图像； 数据预处理步骤：对获得的蜂窝状肺部CT图像进行裁剪，裁剪后的图像利用高斯函数添加噪声，将添加噪声的图像分为训练数据集和测试数据集； 模型构建步骤：构建包括编码器、解码器和跳跃连接的SAA-Unet模型； 模型训练步骤：将训练数据集输入SAA-Unet模型中，输出蜂窝状肺部CT图像，利用输出的蜂窝状肺部病灶区域预测图和实际蜂窝状肺部病灶区域图通过损失函数进行误差分析，更新模型参数，获得训练好的SAA-Unet模型； 模型测试步骤：将测试数据集输入训练好的SAA-Unet模型，判断输出的蜂窝状肺部病灶区域预测图和实际蜂窝状肺部病灶区域图误差是否达到预设的阈值，若为是，则返回模型训练步骤；若为否，则结束模型测试步骤，得到测试后的SAA-Unet模型；对测试后的SAA-Unet模型进行评价，依据评价指标得到最终的SAA-Unet模型； 蜂窝状肺部CT图像分割步骤：将待分割的蜂窝状肺CT图像输入最终的SAA-Unet模型，输出具有分割后的蜂窝状肺部病灶区域的CT图像； 模型构建步骤中，SAA-Unet模型包括4层编码器结构、4层解码器结构和4层跳跃连接通道； 每层编码器结构包含一个卷积层和一个分割-注意模块，用来对图像进行特征提取，获取简单特征得到图像特征图； 每层解码器包括一个卷积层、一个上采样模块和一个注意模块，用来对获取的图像特征图中像素分类，获取深层特征还原图像； 第一跳跃连接通道连接第一编码器和第四解码器，将浅层特征与深层特征进行融合，获得像素位置信息和权重信息，生成最终的像素位置编码信息； 注意模块具体包括： 1）通过卷积运算提取上采样操作输出的特征图的空间信息，并通过ReLU激活函数传输，生成注意力门控信号，用于控制不同空间位置的特征的重要性； 2）同层编码器输出的特征图和注意力门控信号同时传送到注意力门控块进行卷积运算，将下采样层的结构信息和当前层的空间信息融合为特征信息； 3）利用Sigmoid函数对卷积运算后得到的特征图进行归一化处理，得到具有强关联性的区域，并生成0～1的注意力权重系数； 4）将注意力权重系数与输入特征相乘，得到最终输出。

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太原理工大学，其通讯地址为：030600 山西省晋中市榆次区大学街209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”。