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！

龙图腾网获悉杭州电子科技大学申请的专利一种基于改进U-net的患者脑室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：CN116258728B 。

龙图腾网通过国家知识产权局官网在2025-12-30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：202310255948.0，技术领域涉及：G06T7/10；该发明授权一种基于改进U-net的患者脑室图像分割方法是由孙嘉壕;邵艳利设计研发完成，并于2023-03-16向国家知识产权局提交的专利申请。

本一种基于改进U-net的患者脑室图像分割方法在说明书摘要公布了：本发明公开了一种基于改进U‑net的患者脑室图像分割方法，本发明对经典的U‑net分割模型进行改进，在其基础上采用编码器‑解码器结构，解码器部分用亚像素卷积代替反卷积操作亚像素卷积的插值点综合了其周围点的信息，在实现小矩阵到大矩阵映射的同时最大限度的利用且丰富了图像信息。其次，在构建完模型之后，为了解决厚层图像分割较难，准确率不高而导致临床应用困难的问题，设计了用未标记薄层图像约束厚层图像的损失函数，通过最小化两者差异，提高了厚层图像分割精度。

本发明授权一种基于改进U-net的患者脑室图像分割方法在权利要求书中公布了：1.一种基于改进U-net的患者脑室图像分割方法，其特征在于，该方法具体包括以下步骤： 步骤1、采集患者脑部CT的原始图像，得到薄层CT图像、厚层CT图像、薄层MRI图像和厚层MRI图像并对其进行标注，其中当扫描层厚度3mm时定义为厚层图像，否则定义为薄层图像； 步骤2、利用步骤1处理后的数据，构建基于改进U-net的脑室分割模型，将数据输入模型，并得到分割结果，具体操作如下： 步骤2-1：使用编码器在ImageNet公共数据集上预训练ResNet-34模型； 步骤2-2：使用亚像素代替反卷积操作扩充图像信息，具体如下： 亚像素卷积基于图像上两个实际像素之间的像素，通过其周围像素点信息将其还原表示；子像素卷积表示为： FL＝SPWL*FL-1+bL⑴ 其中SP.算子将形状H×W×C×r2的张量变换排列成rH×rW×C形状的张量，FL-1和FL是输入特征和输出特征，WL和bL是亚像素卷积算子的参数，使用厚切片和薄切片图像作为输入；其中厚切片图像进行了标记，而薄切片图像没有进行标记； 步骤3、对于步骤2得到的特征图像，从最小化厚薄图像差异和分割差异两方面对模型输出特征层进行损失函数的计算，并反向传输调整模型，具体操作如下： 为了利用未标记的薄切片图像来最小化厚切片和薄切片图像之间的性能差异，模型的损失分为两部分，一部分是最小化厚切片模型输出和真实分割情况的差异，一部分是用薄切片模型输出最小化厚薄切片之间的差异，使用以下目标函数来优化项目组的模型： Lxs,xt＝Lsps,ys+λLTpt2 其中，λ是加权LT影响的超参数，Ps和Pt是模型对H×W×C的预测，Ps是对厚层图像的预测，Pt是对薄层图像的预测，ys为真实分割情况；Ls是交叉熵损失，定义如下： 将LT视为目标域的概率分布pt与均匀分布之间的距离，目标域即薄切片域；薄切片图像的目标函数定义如下： 其中fx选用Personχ2，即fx＝x2-1，作为损失函数，因此LT的梯度定义如下： 上述式子平衡了简单样本和复杂样本之间的梯度，在模型训练过程中，对上述损失函数进行了迭代优化至模型收敛；为了便于模型性能的对比，将每个图像的切片及预测结果作为输出。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市下沙高教园区2号大街；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。