长春理工大学庞春颖获国家专利权
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!
龙图腾网获悉长春理工大学申请的专利基于形态学边界条件门控的动态多尺度医学图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:CN120876514B 。
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:202511383742.1,技术领域涉及:G06T7/11;该发明授权基于形态学边界条件门控的动态多尺度医学图像分割方法是由庞春颖;马圣哲;石乐民;李佳;周苇锟;张茜然;敖邦琪;张健宇;李燕;赵家星设计研发完成,并于2025-09-26向国家知识产权局提交的专利申请。
本基于形态学边界条件门控的动态多尺度医学图像分割方法在说明书摘要公布了:基于形态学边界条件门控的动态多尺度医学图像分割方法,涉及图像处理领域。解决了现有的单尺度卷积神经网络在应对多样化的病灶特征时性能不足,其权重生成仅依赖全局上下文统计,未充分考虑局部病灶区域尤其是边界信息对分支选择的影响等问题。所述方法包括以下步骤:获取脑出血CT图像,并进行预处理,预处理为沿z轴做切片生成横断面图像,并对横断面图像进行图像增强;将预处理后的横断面图像输入到分割网络中;结合动态分割损失函数,根据出血区域的大小分配不同的惩罚权重,并引入GAN网络,通过全局判别器和局部判别器的联合判别,对分割结果在整体结构和局部细节层面同时进行一致性约束,本发明还适用于医学图像分割等应用领域。
本发明授权基于形态学边界条件门控的动态多尺度医学图像分割方法在权利要求书中公布了:1.基于形态学边界条件门控的动态多尺度医学图像分割方法,其特征在于,所述方法包括以下步骤: 步骤1、获取脑出血CT图像,并对所述脑出血CT图像进行预处理,所述预处理为沿z轴做切片生成横断面图像,并对所述横断面图像进行图像增强; 步骤2、将预处理后的横断面图像输入到分割网络中,所述分割网络包括: 动态多分支感知模块,用于采用不同尺寸或空洞率的卷积分支提取多尺度特征; 分支权重生成器,用于由输入图像的全局信息和由形态学腐蚀、膨胀差值及高通滤波提取的边界特征共同调控,动态生成各分支的权重,实现局部结构条件驱动的多尺度感受野自适应调节; 边界精修模块,用于采用形态学方法和拉普拉斯高通滤波,提取边缘特征并通过可学习的卷积残差对分割结果进行边缘一致性修正; 步骤3、结合动态分割损失函数,根据出血区域的大小分配不同的惩罚权重,并引入GAN网络,通过全局判别器和局部判别器的联合判别,对分割结果在整体结构和局部细节层面同时进行一致性约束,完成基于形态学边界条件门控的动态多尺度医学图像分割; 步骤2中构建边界精修模块的方法为:输入分割概率图seg,首先对分割概率图seg进行形态学操作,使用33的最大池化实现膨胀操作,使用33的平均池化实现腐蚀操作,二者相减得到边界近似特征,用boundary保存;并判断该boundary中大于零的位置,生成二值化边界掩码boundary_mask并保存,然后对输入seg使用33卷积构建拉普拉斯高通滤波核,执行高通滤波提取边缘高频特征,将其与boundary_mask做逐像素相乘,仅保留边界内的有效边缘信息;将保留后的边缘特征输入可学习的卷积残差块,依次经过一层3×3卷积、ReLU激活函数和一层1×1卷积得到修正值,将该修正值与原输入分割概率图seg做逐像素相加,输出修正后的分割结果refined; 步骤3中包括以下步骤: 步骤3.1、输入拼接和特征提取主干构建,调用torch库的cat函数将输入的原始医学图像和分割掩码在通道维度拼接,形成输入张量;步骤3.2、对步骤3.1中提取的特征图feat进行全局平均池化,空间维度压缩为11,保留全局语义信息,采用11卷积做通道融合生成标量输出,用来判别图像分割结果的整体结构真实性;步骤3.3、对步骤3.1中提取的特征图feat用33卷积提取局部区域中分割边界的连贯性和局部形态一致性信息,输出与输入空间维度相近的局部判别得分图local_out,局部边界判别分支用于捕捉微观尺度上的区域边界细节偏差或局部形态异常; 步骤3.4、生成器和训练器对抗训练:生成器为步骤3.1和步骤3.2共同构建的网络,判别器为步骤3中步骤3.1、3.2、3.3构建的全局和局部判别器;判别器对于原图和真实分割图的输入组合输出disc_real,对于原图和预测分割图的输入组合输出disc_fake,disc_fake参与生成器的对抗损失和判别器损失,disc_real参与判别器损失,启用判别器预热,让判别器训练第15次迭代后参与判别。
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长春理工大学,其通讯地址为:130022 吉林省长春市卫星路7089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。
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。

皖公网安备 34010402703815号
请提出您的宝贵建议,有机会获取IP积分或其他奖励