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！

龙图腾网获悉中国人民解放军海军军医大学申请的专利基于RMSD-Net的腹横肌平面组织结构识别方法及应用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：CN119206215B 。

龙图腾网通过国家知识产权局官网在2025-09-12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：202411238076.8，技术领域涉及：G06V10/26；该发明授权基于RMSD-Net的腹横肌平面组织结构识别方法及应用是由邹最;刘龙;崔海坡;周苗;陈沾衡;徐文韵;郭文慧;朱成龙;吴清华;刘洋设计研发完成，并于2024-09-05向国家知识产权局提交的专利申请。

本基于RMSD-Net的腹横肌平面组织结构识别方法及应用在说明书摘要公布了：本发明提供了一种基于RMSD‑Net的腹横肌平面组织结构识别方法及应用，涉及图像处理技术领域。所述方法包括步骤：针对已获取的具有腹横肌平面结构的超声图像进行数据预处理，建立腹部超声图像数据集；其中，所述具有腹横肌平面结构的超声图像中包括在TAP阻滞过程中能够观察到的关键腹部组织结构信息；构建U型网络结构的RMSD‑Net模型；所述RMSD‑Net模型包括编码器、跳跃连接结构以及解码器；所述编码器的各层中相应添加多尺度残差特征提取模块RMDC模块；所述跳跃连接结构逐层使用特征融合模块SFF模块；在解码器的最后一层中添加注意力机制GAM模块；针对前述关键腹部组织结构信息执行分割任务，将前述腹部超声图像数据集划分为训练集和测试集，并使用前述RMSD‑Net模型分别进行训练和测试；使用测试后的RMSD‑Net模型对新获取的具有腹横肌平面结构的超声图像进行关键腹部组织结构信息的分割识别。本发明能够帮助临床医师对具有腹横肌平面结构的超声图像进行快速准确的解读，以辅助其准确地定位阻滞区域并进行局麻药的注射。

本发明授权基于RMSD-Net的腹横肌平面组织结构识别方法及应用在权利要求书中公布了：1.一种基于RMSD-Net的腹横肌平面组织结构识别方法，其特征在于，具体包括： 针对已获取的具有腹横肌平面结构的超声图像进行数据预处理，建立腹部超声图像数据集；其中，所述具有腹横肌平面结构的超声图像中包括在TAP阻滞过程中能够观察到的关键腹部组织结构信息；所述关键腹部组织结构信息包括腹外斜肌、腹内斜肌、腹横肌、腹直肌和髂前上棘； 构建U型网络结构的RMSD-Net模型；所述RMSD-Net模型包括编码器、跳跃连接结构以及解码器；所述编码器在各层使用原有双卷积结构的基础上，在各层中相应添加多尺度残差特征提取模块RMDC模块，以对输入的所述具有腹横肌平面结构的超声图像逐层进行特征提取，从而逐层强化前述输入的所述具有腹横肌平面结构的超声图像中的重要特征，并同时抑制次要信息；所述跳跃连接结构逐层使用特征融合模块SFF模块来增强特征表达并促进上下文信息的整合；在解码器的最后一层添加注意力机制GAM模块，以结合通道注意力和空间注意力来综合特征图中的局部信息和全局信息，并动态调整权重，为后续的特征加权提供特征表示；其中，所述GAM模块的执行，包括步骤S130：S131，对输入使用通道注意力模块进行处理；所述通道注意力模块首先通过sizepermute操作将输入张量的形状调整为H*W*C，即将通道维度移到最后，以便在空间维度上进行全局特征计算；随后通过多层感知机MLP对调整后的张量进行处理，从而生成全局特征；所述MLP由两个全连接层组成，使用缩减比r来减少计算复杂度，以使第一个全连接层将通道数从C减少到Cr，第二个全连接层将通道数从Cr恢复到C；通过sizereverse操作将处理后的张量维度恢复到原始形状C*H*W以便进一步操作，最后通过Sigmoid激活函数生成通道注意力权重；S132，对前述通道注意力模块处理的结果经空间注意力模块处理后，获得输出特征图；所述空间注意力模块的执行包括：S1321，使用两个卷积层进行空间信息融合，S1322，在空间注意力模块中使用与通道注意力模块相同的缩减比r，S1323，使用Sigmoid激活函数对每个位置的特征图进行加权处理，以提高特征图在空间上的表达能力，并减少次要信息的影响； 针对前述关键腹部组织结构信息执行分割任务，将前述腹部超声图像数据集划分为训练集和测试集，并使用前述RMSD-Net模型分别进行训练和测试； 使用测试后的RMSD-Net模型对新获取的具有腹横肌平面结构的超声图像进行关键腹部组织结构信息的分割识别。

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中国人民解放军海军军医大学，其通讯地址为：200433 上海市杨浦区翔殷路800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”。

以上内容由龙图腾AI智能生成。