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全局-局部特征关联融合的肺部CT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：CN116797609B 。

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：202310689386.0，技术领域涉及：G06T7/11；该发明授权全局-局部特征关联融合的肺部CT图像分割方法是由鱼亮;胥新宇设计研发完成，并于2023-06-12向国家知识产权局提交的专利申请。

本全局-局部特征关联融合的肺部CT图像分割方法在说明书摘要公布了：本发明公开了一种全局‑局部特征关联融合肺部CT图像分割方法，主要解决现有技术对肺部CT图像感染区域分割不准确的问题。其实现方案为：建立由Transformer层组成的编码器；建立由卷积神经网络组成的编码器；建立由Transformer层组成的局部特征关联融合模块；建立由卷积神经网络组成并与第二编码器对称的解码器；将第一编码器与第二编码器并行连接，再与局部特征关联融合模块和解码器级联构成分割网络模型；将训练集数据并行输入至两个编码器，利用反向传播方法对分割网络模型进行迭代训练；将测试图像输入到训练好的分割网络，分割出肺部CT图像的感染区域。本发明分割精度高、耗费资源少，可用于对CT图像的识别。

本发明授权全局-局部特征关联融合的肺部CT图像分割方法在权利要求书中公布了：1.一种全局-局部特征关联融合的肺部CT图像分割方法，其特征在于，包括： 1从两个公共来源的数据集下载肺炎患者的CT扫描图像，分别得到训练集和测试集； 2对训练集和测试集依次进行图像增强、像素值归一化、维度转换和分割掩码的预处理； 3构建基于全局-局部特征关联融合的分割模型： 3a建立由N个Transformer层组成的编码器，N大于等于1； 3b建立由卷积神经网络组成的编码器； 3c建立由Transformer层组成的局部特征关联融合模块，用于提取局部关联特征； 3d建立由卷积神经网络组成并与3b相对称的解码器，用于恢复图像分辨率并输出分割结果； 3e将第一编码器与第二编码器并行连接，再与局部特征关联融合模块和解码器级联构成分割网络模型，并将focalloss这个函数作为该网络模型的损失函数； 4将训练集数据并行输入至两个编码器，利用反向传播方法对分割网络模型进行迭代训练，直到损失函数收敛，得到训练后的整个分割网络； 5基于训练后的分割模型预测肺部CT图像的感染区域； 5a将测试集输入到训练后的分割模型中，得到对每个样本像素点的预测概率值p； 5b设置概率阈值d的范围为0.3-0.6，将预测概率值与概率阈值进行比较，得到测试集的肺部CT图像感染区域分割结果； 若p大于d表示为感染区域， 若p小于等于d表示为未感染区域。

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”。