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！

龙图腾网获悉天津大学申请的专利基于深度学习的IVOCT血管分支开口点检测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：CN117197078B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202311157991.X，技术领域涉及：G06T7/00；该发明授权基于深度学习的IVOCT血管分支开口点检测方法是由丁振扬;朱溶洋;刘铁根;刘琨;江俊峰;李清瑞设计研发完成，并于2023-09-08向国家知识产权局提交的专利申请。

本基于深度学习的IVOCT血管分支开口点检测方法在说明书摘要公布了：本发明涉及一种基于深度学习的IVOCT血管分支开口点检测方法，包括步骤如下：1IVOCT图像预处理；2血管分支识别，方法如下：调整训练集里的预处理后的IVOCT图像的分辨率，输入到血管分支识别模型中训练血管分支识别模型；所述的血管分支识别模型是基于自注意力机制的VisionTransformer模型；3血管分支开口点检测：第一步：构建血管分支开口点检测数据集；第二步：训练分支开口点检测模型，方法如下：将第一步中得到的训练集的图像的分辨率调整后输入到分支开口点检测模型中；所述分支开口点检测模型是基于Transformer的关键点检测模型，包括编码器，解码器和后处理三个模块。

本发明授权基于深度学习的IVOCT血管分支开口点检测方法在权利要求书中公布了：1.一种基于深度学习的IVOCT血管分支开口点检测方法，包括步骤如下： 1IVOCT图像预处理 对采集到的IVOCT图像进行对数变换，将经过对数变换的IVOCT图像变换到直角坐标系下，得到预处理后的数据集； 根据需要将预处理后的IVOCT图像序列划分为训练集和测试集； 2血管分支识别，方法如下： 调整训练集里的预处理后的IVOCT图像的分辨率，输入到血管分支识别模型中训练血管分支识别模型； 所述的血管分支识别模型是基于自注意力机制的VisionTransformer模型，该模型包括Embedding层，Transformer编码器和分类层这三个模块，Embedding层用于将一张图像分割成若干块图像，并通过卷积层将图像块映射并平铺为一个序列；经过映射和平铺的所述序列，经过位置编码后被输入到Transformer编码器中；Transformer编码器由若干个Transformer模块堆叠而成，每个Transformer模块包括层归一化模块，多头注意力模块和多层感知机模块，Transformer编码器用于学习图像的长距离依赖关系并输出图像特征；学习到的图像特征输入到全连接层中进行加权求和得到最终的分类结果； 血管分支识别模型训练完成后，将测试集输入到血管分支识别模型中得到测试集的分类结果； 3血管分支开口点检测，方法如下： 第一步：构建血管分支开口点检测数据集，方法如下： 基于步骤2获得的血管分支识别模型，提取有分支的图像作为血管分支开口点检测的训练集和测试集，分支开口点为分支和主血管相交的两个分界点，使用分支开口点坐标作为关键点坐标构建标注数据； 第二步：训练分支开口点检测模型，方法如下： 将第一步中得到的训练集的图像的分辨率调整后输入到分支开口点检测模型中； 所述分支开口点检测模型是基于Transformer的关键点检测模型，包括编码器，解码器和后处理三个模块；所述编码器包括Embedding层和若干个Transformer模块堆叠而成，Embedding层将一张图像分割成若干块图像，并通过卷积层将这些图像块映射并平铺为一个序列；每个Transformer模块包括层归一化模块，多头注意力模块和多层感知机模块；编码器用于学习图像的长距离依赖关系并输出图像特征；学习到的图像特征经过层归一化后对维度进行调整得到特征图；所述解码器包括两个反卷积模块以及一个预测器，反卷积模块包括反卷积层，批归一化层和ReLU激活层，编码器输出的特征图依次输入到两个反卷积模块使特征图尺寸放大，将尺寸放大的特征图输入到一个核大小为1×1的卷积层得到模型预测的热图； 以关键点坐标为中心生成二维高斯分布的热图作为监督信号，与模型预测的热图计算MSE损失，使用AdamW算法对模型参数进行优化来降低损失，当模型达到预定迭代次数时停止训练； 后处理模块使用无偏的数据处理方法从模型预测的热图中提取关键点坐标并进行修正；模型训练完成后，将测试集输入到分支开口点检测模型中，模型输出两个开口点对应的坐标。

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天津大学，其通讯地址为：300072 天津市南开区卫津路92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”。