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！

龙图腾网获悉北京大学第一医院(北京大学第一临床医学院);北京航空航天大学申请的专利一种基于深度学习的肾脏组分分割方法和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：CN119625303B 。

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：202411672136.7，技术领域涉及：G06V10/26；该发明授权一种基于深度学习的肾脏组分分割方法和系统是由蒋镭;杨莉;季书帆;辛晓红;管延彧;郑健设计研发完成，并于2024-11-21向国家知识产权局提交的专利申请。

本一种基于深度学习的肾脏组分分割方法和系统在说明书摘要公布了：本发明涉及一种基于深度学习的肾脏组分分割方法和系统，属于医学图像分割技术领域，解决了现有技术中肾脏组分分割精确度低的问题。方法包括：获取肾脏病理图像及对应的组分标注信息，对肾脏病理图像进行切割，从切割后的图像中筛选目标图像，基于目标图像及对应的组分标注信息构建样本集；构建多通道编码融合图像分割模型，基于所述样本集对所述多通道编码融合图像分割模型进行训练得到肾脏组分分割模型；将待分割肾脏病理图像进行切割，从切割后的图像中筛选目标图像输入所述肾脏组分分割模型得到目标图像对应的分割结果；基于所述分割结果得到待分割肾脏病理图像的组分分割图。实现了高精度的肾脏组分分割。

本发明授权一种基于深度学习的肾脏组分分割方法和系统在权利要求书中公布了：1.一种基于深度学习的肾脏组分分割方法，其特征在于，包括以下步骤： 获取肾脏病理图像及对应的组分标注信息，对肾脏病理图像进行切割，基于肾脏病理图像的灰度图从切割后的图像中筛选目标图像，基于目标图像及对应的组分标注信息构建样本集；所述组分包括正常肾小球、病变肾小球、肾小管以及小动脉； 构建多通道编码融合图像分割模型，基于所述样本集对所述多通道编码融合图像分割模型进行训练得到肾脏组分分割模型； 将待分割肾脏病理图像进行切割，从切割后的图像中筛选目标图像输入所述肾脏组分分割模型得到目标图像对应的分割结果；基于所述分割结果得到待分割肾脏病理图像的组分分割图； 所述多通道编码融合图像分割模型包括： 第一编码模块，包括依次连接的多个下采样单元；用于对样本图像进行多层语义特征提取； 第二编码模块，包括图像填充模块和ViT编码器；图像填充模块用于采用加权双线性插值对样本图像进行填充；ViT编码器用于对填充后的样本图像进行视觉特征提取； 中间层，用于对第一编码模块最后一个下采样单元提取的语义特征进行压缩，将压缩后的语义特征传递至解码模块； 解码模块，包括依次连接的多个上采样单元，用于进行基于第一编码模块提取的语义特征和第二编码模块提取的视觉特征进行逐层特征图恢复得到最终特征图； 输出层，用于基于最终特征图进行组分分类得到组分分割图； 所述第一编码模块的下采样单元的数量和编码模块的上采样单元的数量相同并且一一对应； 所述下采样单元和对应的上采样单元间连接有空间通道交叉注意力模块，用于将下采样单元提取的语义特征进行注意力提取传递给对应的上采样单元； 采用以下公式计算插值点x,y的像素值： 计算水平方向的两个临时点x,y1和x,y2的像素值： fx,y1＝α1fx1,y1+α2fx2,y1 fx,y2＝α3fx1,y2+α4fx2,y2 α1＝α1_oriα1_ori+α2_ori α2＝α2_oriα1_ori+α2_ori α3＝α3_oriα3_ori+α4_ori α4＝α4_oriα3_ori+α4_ori 根据水平方向的两个临时点的像素值得到插值点的像素值： 其中，fx,y表示点x,y的像素值，fx,y1表示点x,y1的像素值，fx,y2表示点x,y2的像素值，fx1,y1表示点x1,y1的像素值，fx1,y2表示点x1,y2的像素值，fx2,y1表示点x2,y1的像素值，fx2,y2表示点x2,y2的像素值，α1、α2、α3和α4为表示权重，α1_ori、α2_ori、α3_ori和α4_ori为中间参数，x1,y1、x2,y1、x1,y2和x2,y2表示距离插值点最近的四个原始点，和表示四个原始点的权重。

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大学第一医院(北京大学第一临床医学院);北京航空航天大学，其通讯地址为：100034 北京市西城区西什库大街8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”。