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！

龙图腾网获悉中国科学院深圳先进技术研究院申请的专利一种基于深度学习的胎儿MRI脑组织分割方法及装置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：CN115063351B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202210568286.8，技术领域涉及：G06T7/00；该发明授权一种基于深度学习的胎儿MRI脑组织分割方法及装置是由隆晓菁;黄晓娜;高昂;征博文;李宇涵;梁栋设计研发完成，并于2022-05-24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胎儿MRI脑组织分割方法及装置在说明书摘要公布了：本发明涉及医学MRI成像领域，具体涉及一种基于深度学习的胎儿MRI脑组织分割方法及装置。该方法及装置首先对胎儿大脑MRI进行数据增强操作，再构建基于ContextualTransformerblock的特征金字塔模型：特征金字塔模型在编码器和解码器部分引入注意力结构CoT‑Block，注意力结构CoT‑Block利用key上下文信息，指导动态注意力矩阵的学习，增强提取数据增强后的胎儿大脑MRI图像中的特征；特征金字塔模型在解码器部分引入混合膨胀卷积模块，混合膨胀卷积模块扩大感受野并且保留详细的空间信息，并有效提取医学图像中的全局上下文信息，从而有效地提高分割的精度，最大程度地帮助医生进行临床诊断。

本发明授权一种基于深度学习的胎儿MRI脑组织分割方法及装置在权利要求书中公布了：1.一种基于深度学习的胎儿MRI脑组织分割方法，其特征在于，包括以下步骤： 对胎儿大脑MRI进行数据增强操作； 构建基于ContextualTransformerblock的特征金字塔模型：所述特征金字塔模型在编码器和解码器部分引入注意力结构CoT-Block，所述注意力结构CoT-Block利用key上下文信息，指导动态注意力矩阵的学习，增强提取数据增强后的胎儿大脑MRI图像中的特征；所述特征金字塔模型在解码器部分引入混合膨胀卷积模块，所述混合膨胀卷积模块扩大感受野并且保留详细的空间信息，并有效提取医学图像中的全局上下文信息； 使用所述特征金字塔模型对数据增强后的胎儿大脑MRI图像进行组织分割； 所述对胎儿大脑MRI进行数据增强操作包括： 采用对抗数据增强技术，通过模拟MRI中常见的伪影造成的强度不均匀性对神经网络进行训练，使用训练后的神经网络对胎儿大脑MRI进行数据增强操作； 所述采用对抗数据增强技术，通过模拟MRI中常见的伪影造成的强度不均匀性对神经网络进行训练包括： 给定一个分割网络fseg.；θ和输入图像I，首先在搜索空间中找到控制点c的最优值，对输入图像构建一个对抗偏差场Ibias＝GbiasI；c，然后通过神经网络输出原始预测p＝fsegI；θ和扰动后的预测p*＝fsegGbiasI；c；θ，通过下式2计算Dcomp；其中Dcomp表示复合距离函数，用于增强分割中两种预测之间的辨别能力； 先找到构建偏差场中的控制点c的最优值，然后再优化神经网络中的参数θ，使得原始预测和生成对抗偏差之后的预测fsegGbiasI；cadv；θ之间的距离最小化； Dcompp,p*＝DKL[p||p*]+wDcontourp,p*2 其中，I表示输入图像，θ表示用于训练的网络参数，c是用于构建一个最优偏差场的控制点，fseg.；θ表示分割网络，GbiasI；c是一个对抗偏差场，Dcomp表示复合距离函数，p表示通过神经网络输出的原始预测，p*表示加入了偏差场之后输出的扰动后的预测，DKL表示KL散度，Dcontour表示一个基于轮廓的损失函数，w控制两个式子之间的相对重要性，M表示前景的通道，Sx,y表示两个sobel滤波器在x和y方向上的边缘提取。

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科学院深圳先进技术研究院，其通讯地址为：518055 广东省深圳市南山区深圳大学城学苑大道1068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”。