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顶前沿医疗科技有限公司申请的专利基于动态空间特征增强模块的骨盆骨折CT影像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：CN120219402B 。

龙图腾网通过国家知识产权局官网在2025-12-09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：202510299153.9，技术领域涉及：G06T7/10；该发明授权基于动态空间特征增强模块的骨盆骨折CT影像分割方法是由句福娇;朱剑宇;刘萨恩设计研发完成，并于2025-03-13向国家知识产权局提交的专利申请。

本基于动态空间特征增强模块的骨盆骨折CT影像分割方法在说明书摘要公布了：本申请提供了一种基于动态空间特征增强模块的骨盆骨折CT影像分割方法，涉及医学图像分割技术领域，解决了目前对骨盆骨折CT影像分割的结果数据精确度较低的技术问题。该方法包括：利用指定解剖分割网络从骨盆CT扫描数据中提取骨盆骨骼；利用包含有动态空间特征增强模块的骨折分割网络对骨盆骨骼中每个骨盆区域内的骨碎片进行图像分割，并利用动态空间特征增强模块通过多路径结构、注意力机制和残差学习的方式使骨折分割网络在图像分割的过程中捕获骨盆区域中的全局背景数据和局部细节数据并保留物体边界，通过骨折分割网络的图像分割的过程得到骨盆CT扫描数据中目标骨骼的关键骨折碎片。

本发明授权基于动态空间特征增强模块的骨盆骨折CT影像分割方法在权利要求书中公布了：1.一种基于动态空间特征增强模块的骨盆骨折CT影像分割方法，其特征在于，所述方法包括： 获取待分割处理的骨盆CT扫描数据； 利用指定解剖分割网络从所述骨盆CT扫描数据中提取骨盆骨骼；其中，所述指定解剖分割网络为优化后的级联3D nn‑Unet架构，所述级联3D nn‑Unet架构是通过利用正常骨盆CT图像数据集进行预训练并对骨折骨盆数据集进行调整而生成； 利用包含有动态空间特征增强模块的骨折分割网络对所述骨盆骨骼中每个骨盆区域内的骨碎片进行图像分割，并利用所述动态空间特征增强模块通过多路径结构、注意力机制和残差学习的方式使所述骨折分割网络在所述图像分割的过程中捕获所述骨盆区域中的全局背景数据和局部细节数据并保留物体边界，通过所述骨折分割网络的所述图像分割的过程得到所述骨盆CT扫描数据中目标骨骼的关键骨折碎片；其中，所述多路径结构对应有对输入至所述动态空间特征增强模块的初始输入张量分别进行处理的多个并行路径，所述多个并行路径包含局部特征路径、并行池化路径以及注意力路径； 所述初始输入张量通过X∈R表示，其中，B表示批量大小，C表示通道数，D、H和W表示空间维度； 所述局部特征路径用于利用3×3×3卷积层、批归一化BN层以及ReLU激活函数通过如下公式对所述初始输入张量进行处理： ； 其中，X1表示所述局部特征路径对所述初始输入张量进行处理后的局部特征路径处理结果，X表示所述初始输入张量，ReLU表示激活函数，BN表示批归一化层函数，Conv3D表示额外的3×3×3卷积层； 所述注意力路径用于利用所述额外的3×3×3卷积层和Sigmoid激活函数计算注意力系数；所述并行池化路径用于对所述局部特征路径处理结果进行最大池化处理和平均池化处理，并沿通道维度对最大池化处理结果和平均池化处理结果进行拼接；拼接所述最大池化处理结果和所述平均池化处理结果后得到合并特征；对所述合并特征进行进一步处理后得到结果数据； 在得到所述注意力系数后，通过如下公式利用元素级乘法将所述注意力系数应用到所述结果数据上，得到加权特征： ； 其中，⊙表示元素级乘法，X2表示所述对所述合并特征进行进一步处理后的结果数据，Xatt表示所述注意力系数，Xweighted表示加权特征； 所述残差学习的方式执行过程包括通过如下公式利用残差连接将所述加权特征与所述初始输入张量结合，以保留原始信息： ； 其中，Xweighted表示加权特征，X表示所述初始输入张量，Y表示将所述加权特征与所述初始输入张量相结合后的最终结果。

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顶前沿医疗科技有限公司，其通讯地址为：102699 北京市大兴区天河北路14号院4号楼1层1280室；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。