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！

龙图腾网获悉北京中海智安科技有限公司申请的专利一种基于改进深度学习模型的医学影像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：CN119672343B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202411811556.9，技术领域涉及：G06V10/26；该发明授权一种基于改进深度学习模型的医学影像分割方法及系统是由李一楠;舒媛;张文缓;张剑锋;吴丹;庞菲;李政良设计研发完成，并于2024-12-10向国家知识产权局提交的专利申请。

本一种基于改进深度学习模型的医学影像分割方法及系统在说明书摘要公布了：本发明属于图像分割技术领域，公开了一种基于改进深度学习模型的医学影像分割方法及系统。所述的方法包括如下步骤：使用改进深度学习算法，构建初始的医学影像分割模型，并使用群智能优化算法，对初始的医学影像分割模型进行优化，得到优化的医学影像分割模型；根据若干历史医学影像数据，对优化的医学影像分割模型进行训练，得到最优的医学影像分割模型；采集实时医学影像数据，并将实时医学影像数据输入最优的医学影像分割模型，进行医学影像分割，得到实时医学影像分割数据。本发明解决了现有技术存在的分割精度不足、训练效率低下以及模型泛化能力差的问题。

本发明授权一种基于改进深度学习模型的医学影像分割方法及系统在权利要求书中公布了：1.一种基于改进深度学习模型的医学影像分割方法，其特征在于：包括如下步骤： 使用改进深度学习算法，构建初始的医学影像分割模型，并使用群智能优化算法，对初始的医学影像分割模型进行优化，得到优化的医学影像分割模型； 所述的改进深度学习算法为MSFCNN-Attention-cGAN-Elman算法； 所述的医学影像分割模型包括输入层、基于MSFCNN-Attention算法构建的主分割网络、基于cGAN算法构建的对抗训练网络、基于Elman算法构建的分类层以及输出层； 所述的对抗训练网络包括依次连接的生成器和判别器； 所述的主分割网络包括依次连接的基于MSFCNN算法构建的多尺度特征提取层、基于Attention机制构建的自适应注意力模块、残差块、特征融合层以及反卷积层； 所述的主分割网络的反卷积层、分类层以及输出层依次连接，所述的特征融合层与对抗训练网络的生成器连接，所述的判别器与分类层连接； 所述的群智能优化算法为ICPO优化算法； 使用改进深度学习算法，构建初始的医学影像分割模型，并使用群智能优化算法，对初始的医学影像分割模型进行优化，得到优化的医学影像分割模型，包括如下步骤： 使用MSFCNN-Attention-cGAN-Elman算法，构建初始的医学影像分割模型； 将医学影像分割模型的初始网络参数作为ICPO优化算法的优化目标，并根据优化目标，进行搜索，得到最优的初始网络参数，包括如下步骤： 根据优化目标，设定ICPO个体的编码向量、适应度函数、ICPO种群参数以及最大迭代次数； 根据ICPO个体的编码向量和ICPO种群参数，使用Circle混沌映射序列进行初始化，生成初始的ICPO种群的若干初始的ICPO个体； 引入循环种群减少机制，对ICPO种群参数中的个体数量进行限制，得到下一次迭代的更新的ICPO种群参数； 根据适应度函数，计算初始的ICPO种群中初始的ICPO个体的初始的适应度值； 根据初始的适应度值和更新的ICPO种群参数，使用第一防御策略、第二防御策略、第三防御策略以及第四防御策略，更新初始的ICPO种群，得到更新的ICPO种群； 使用动态反向学习算法，对更新的ICPO种群进行动态反向学习，生成动态反向的ICPO种群； 根据适应度函数，计算更新的ICPO种群中和动态反向的ICPO种群中的所有ICPO个体的适应度值，将最小适应度值的ICPO个体作为最优个体，并保留最优个体； 若迭代寻优的迭代次数到达最大迭代次数或最优个体的适应度值满足要求，则将最优个体对应的最优解进行输出，得到最优的初始网络参数； 根据最优的初始网络参数，对初始的医学影像分割模型进行优化，得到优化的医学影像分割模型； 根据若干历史医学影像数据，对优化的医学影像分割模型进行训练，得到最优的医学影像分割模型； 采集实时医学影像数据，并将实时医学影像数据输入最优的医学影像分割模型，进行医学影像分割，得到实时医学影像分割数据。

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中海智安科技有限公司，其通讯地址为：100000 北京市通州区经济开发区东区靓丽三街9号-885；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”。