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！

龙图腾网获悉武汉科技大学申请的专利基于3D和2D相结合的OCTA图像视网膜血管分割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：CN116703844B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202310622961.5，技术领域涉及：G06T7/00；该发明授权基于3D和2D相结合的OCTA图像视网膜血管分割方法是由刘小明;胡立志;胡威;刘俊;张凯设计研发完成，并于2023-05-25向国家知识产权局提交的专利申请。

本基于3D和2D相结合的OCTA图像视网膜血管分割方法在说明书摘要公布了：本发明公开了一种基于3D和2D相结合的OCTA图像视网膜血管分割方法，包括以下步骤：对输入的3D数据进行裁剪和切块操作，并进行像素值转化；将预处理后的3D数据输入到3D自适应投影学习网络中生成3D数据的投影图；将投影图和2D图像输入到2D血管分割网络中，得到视网膜血管的预测图；根据预测图和其对应的血管标签图生成血管段，计算血管段像素的厚度不一致性权重及血管厚度不一致性损失；基于预测图和血管标签图计Tversky损失，保留总损失最小的网络参数作为最终预测网络；使用最终预测网络分割待处理OCTA图像的视网膜血管。本发明可以为与视网膜血管相关疾病的诊断和研究提供更客观精确的评估手段，可以快速和准确地分割出的视网膜血管。

本发明授权基于3D和2D相结合的OCTA图像视网膜血管分割方法在权利要求书中公布了：1.一种基于3D和2D相结合的OCTA图像视网膜血管分割方法，其特征在于，包括以下步骤： S1、对输入的3D数据进行裁剪和切块操作，并对输入的3D数据和2D图像进行像素值转化；同时获取2D图像的血管标签图； S2、将预处理后的3D数据输入到3D自适应投影学习网络中，生成3D数据的投影图，所述3D自适应投影学习网络包括三个级联的学习网络，每个学习网络均包括依次连接的输入层、注意力加权层和投影层，前两个学习网络还包括降维层；具体包括： S21、在每个学习网络中，将切块后的一系列3D数据块依次输入到输入层中； S22、在每个学习网络中，通过注意力加权层对输入的3D数据块进行单向池化，计算3D数据块的注意力权重并对其进行加权； S23、在前两个学习网络中，通过降维层对加权后的数据在垂直方向进行降维，并将降维后的数据输入下一层学习网络； S24、在每个学习网络中，通过投影层对加权后的数据在垂直方向进行投影生成一系列投影块，并将该一系列投影块在水平方向上进行拼接生成投影图； S3、将3D数据的投影图和对应的2D图像输入到2D血管分割网络中，得到视网膜血管的预测图，所述2D血管分割网络由级联的粗略分割网络和精细分割网络组成，所述粗略分割网络和精细分割网络均包含三个编码器和三个解码器；具体包括： S31、将第一个学习网络生成的投影图和对应的2D图像输入到粗略分割网络的第一个编码器中； S32、将第一个编码器的输出和第二个学习网络生成的投影图输入到粗略分割网络的第二个编码器中； S33、将第二个编码器的输出和第三个学习网络生成的投影图输入到粗略分割网络的第三个编码器中； S34、通过粗略分割网络的三个解码器对编码器的编码结果进行解码，生成粗略预测结果； S35、将粗略分割网络的第一个编码器的输出和所述粗略预测结果作为精细分割网络的第一个编码器的输入，精细分割网络其余编码器的输入均为上一层编码器的输出； S36、通过精细分割网络的三个解码器对编码器的编码结果进行解码，生成视网膜血管的预测图； S4、根据预测图和其对应的血管标签图生成血管段，计算血管段的厚度，根据计算出的厚度计算该血管段像素的厚度不一致性权重，并计算血管厚度不一致性损失； S5、基于预测图和血管标签图计算Tversky损失，对所述2D血管分割网络根据计算出的总损失进行迭代优化，并用优化后的网络测试验证分割结果，保留总损失最小的网络参数作为最终预测网络； S6、使用最终预测网络分割待处理OCTA图像的视网膜血管。

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武汉科技大学，其通讯地址为：430081 湖北省武汉市和平大道947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。