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！

龙图腾网获悉南京信息工程大学申请的专利一种基于三平面融合边缘U-Net的脑肿瘤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：CN116309669B 。

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：202310306189.6，技术领域涉及：G06T7/136；该发明授权一种基于三平面融合边缘U-Net的脑肿瘤分割方法是由陈苏婷;胡斌武;杨宁;韩光勋;薄业雯;裴加明设计研发完成，并于2023-03-27向国家知识产权局提交的专利申请。

本一种基于三平面融合边缘U-Net的脑肿瘤分割方法在说明书摘要公布了：本发明公开了一种基于三平面融合边缘U‑Net的脑肿瘤分割方法，包括步骤：将获取的脑肿瘤MR图像分为训练集和验证集，并对训练集图像进行预处理；基于U‑Net架构，通过对脑肿瘤MR图像进行三平面的分割，以边缘辅助模块作为跳跃连接构建边缘U‑Net模型，将提取的图像特征和边缘特征进行融合；采用交叉熵损失函数和边界损失函数相结合的组合损失函数，对边缘U‑Net模型进行训练，获得最佳模型；将预处理脑肿瘤图像数据集和边缘特征图像数据集一起作为不同平面的数据，输入到三个网络结构中以训练最优参数，得到最优的网络分割结果；根据最有分割结果得到三维概率图。本发明能提高分割的精度和分割出整体肿瘤的不同部分。

本发明授权一种基于三平面融合边缘U-Net的脑肿瘤分割方法在权利要求书中公布了：1.一种基于三平面融合边缘U-Net的脑肿瘤分割方法，其特征在于，包括以下步骤： S1，将获取的脑肿瘤MR图像分为训练集和验证集，并对训练集图像进行预处理，得到预处理脑肿瘤图像数据集A和边缘特征图像数据集B； S2，基于U-Net架构的编码器和解码器，通过对脑肿瘤MR图像进行轴向、矢向、冠向的分割，以边缘辅助模块作为跳跃连接构建边缘U-Net模型，将提取的图像特征和边缘特征进行融合； S3，采用交叉熵损失函数和边界损失函数相结合的组合损失函数，对边缘U-Net模型进行训练，优化边缘U-Net模型的参数，获得最佳模型； S4，将预处理脑肿瘤图像数据集A和边缘特征图像数据集B一起作为不同平面的数据，分别输入到U-Net网络模型的三个网络结构中以训练最优参数，得到最优的网络分割结果；根据最优分割结果得到三维概率图； 步骤S2中，编码器包括图像部分编码器和边缘部分编码器，所述图像部分编码器包括5个卷积块，第一个卷积块包含3个64通道的卷积层；第二个卷积块包含3个卷积层，共128个通道；第三个卷积块由4个卷积层组成，每个卷积层有256个通道；第四个卷积块由4个卷积层组成，有512个通道；最后一个卷积块包括两个卷积层，每个卷积层有1024个通道，以及一个dropout层；在每个卷积块之后，添加一个最大池化层； 边缘部分编码器包括4个卷积块，第一个卷积块包含3个64通道的卷积层；第二个卷积块包含3个卷积层，共128个通道；第三个卷积块由3个卷积层组成，每个卷积层有256个通道；第四个卷积块由3个卷积层组成，有512个通道，在每个卷积块后，添加一个平均池化； 所述边缘辅助模块是由两个卷积层组成，第一个卷积层使用边缘映射，内核的大小为3×3，sigmoid激活层和步长均为1；第二层卷积核大小为3×3，ReLU激活层和步长为均为1； 在边缘辅助模块中，融合Mi和特征，边缘辅助模块的表达式如下： α＝Mi⊙ρ 其中，是边界特征，Mi是图像本身的特征；α、ρ分别为图像部分编码器和边缘部分编码器产生的属性，δ为卷积操作； 步骤S3中，交叉熵损失CE和边界损失函数ML的组合损失函数表达式如下： L＝CE+ML 交叉熵损失的函数定义为： 边界损失函数定义如下： 其中，pct表示soft-max层的输出，C为标签中的类数；yct∈{0,1}表示为每个类在体素t处的二进制值；t为体素的位置；j为索引值，Sj表示地面真实值与预测显著之间的损失，表示真实的边界与估计边界之间的IOU。

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南京信息工程大学，其通讯地址为：210032 江苏省南京市江北新区宁六路219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。