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！

龙图腾网获悉南昌大学第一附属医院申请的专利一种基于深度学习的脑胶质瘤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：CN120912630B 。

龙图腾网通过国家知识产权局官网在2026-01-06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：202511416125.7，技术领域涉及：G06T7/11；该发明授权一种基于深度学习的脑胶质瘤图像分割方法是由江志群;万希晨;欧阳陶辉;张苗辉;纪林金;陈庆峰;胡文豪设计研发完成，并于2025-09-30向国家知识产权局提交的专利申请。

本一种基于深度学习的脑胶质瘤图像分割方法在说明书摘要公布了：本发明属于图像数据处理技术领域，公开了一种基于深度学习的脑胶质瘤图像分割方法，包括：并行获取表征肿瘤区域的语义图与表征图像内在结构的结构梯度矢量场图，进而在语义图的边界，通过联合度量语义边界法线矢量与结构梯度矢量的幅度和朝向一致性，来量化生成结构性失配图谱；并结合模型置信度梯度对高失配区域进行来源类型的分类标注，本发明建立了一种图像分割结果的内部校验机制，通过利用图像自身固有的结构信息对模型输出进行客观的矢量级双重校验，并能对校验出的失配区域进行根源定性，从而将隐藏的模型结构性伪影转化为一幅可供审查的风险图谱，提升了图像处理流程一种内生的结构自省能力。

本发明授权一种基于深度学习的脑胶质瘤图像分割方法在权利要求书中公布了：1.一种基于深度学习的脑胶质瘤图像分割方法，其特征在于，包括下列步骤： 步骤a，获取一幅待分割的脑胶质瘤数字图像，并将待分割的脑胶质瘤数字图像输入深度学习分割模型，由深度学习分割模型输出一幅表征肿瘤区域的语义图和一幅像素级概率图； 步骤b，对待分割的脑胶质瘤数字图像，应用于非学习的图像梯度算子进行处理，生成一幅结构梯度矢量场图； 步骤c，基于语义图提取出肿瘤区域的轮廓作为语义边界，并计算出语义边界上每一像素点的语义边界法线矢量； 步骤d，对于语义边界上的每一像素点，基于该像素点的语义边界法线矢量与结构梯度矢量场图中对应位置的结构梯度矢量的幅度和朝向一致性，计算结构性失配度值，从而生成一幅结构性失配图谱； 步骤e，基于像素级概率图计算一幅模型置信度梯度图，并依据预设的来源区分规则，结合模型置信度梯度图中对应像素点的梯度值，对结构性失配图谱中结构性失配度值超过失配阈值的像素点进行来源类型的分类标注； 步骤f，生成语义图，并生成带有分类标注的结构性失配图谱，二者作为独立的图像文件输出； 其中，方法还包括：设定概率阈值序列，概率阈值序列包含多个按数值递减排列的概率阈值；将概率阈值序列依次应用于像素级概率图，生成一组边界相互嵌套的感兴趣区域；对于由一组相互嵌套的感兴趣区域中相邻两个感兴趣区域的边界所界定的每一层状环带区域，分别计算出该区域内部像素点在结构梯度矢量场图上对应幅度值的层结构熵；生成由概率阈值与层结构熵构成的二维数据点序列，二维数据点序列即为一条描述层结构熵随概率阈值变化的轨迹曲线； 以及，方法还包括：分析轨迹曲线的单调性，若轨迹曲线在概率阈值递减的全程不满足单调递减，则判定分割结果的内部结构空间一致性异常。

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昌大学第一附属医院，其通讯地址为：330000 江西省南昌市东湖区永外正街17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。