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！

龙图腾网获悉徐州市中心医院;江苏师范大学申请的专利一种基于多任务学习的脊柱图像关键点检测算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：CN121482163B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202610026643.6，技术领域涉及：G06T7/73；该发明授权一种基于多任务学习的脊柱图像关键点检测算法是由刘光普;余南南;姚坤;张越;贺汝燕;贾志刚设计研发完成，并于2026-01-09向国家知识产权局提交的专利申请。

本一种基于多任务学习的脊柱图像关键点检测算法在说明书摘要公布了：本发明公开了一种基于多任务学习的脊柱图像关键点检测算法，包括构建包含分割分支和关键点定位分支的多任务深度学习网络模型；在分割分支中嵌入基于多尺度空洞卷积的特征聚合模块，通过多种空洞率卷积分支与全局池化分支的拼接融合，以增强模型对多尺度椎体特征的提取能力；在两条分支之间引入跨任务注意力融合模块，通过生成并融合一阶与二阶上下文注意力图，实现分割特征与关键点特征间的双向动态交互与互补；在训练阶段设计语义对齐损失，通过约束分割掩码与关键点热图在高层特征空间的一致性，促进两个任务的协同优化，充分利用了分割的全局信息与关键点检测的局部信息，提升脊柱椎体关键点定位的精度、稳定性以及分割结果的准确性。

本发明授权一种基于多任务学习的脊柱图像关键点检测算法在权利要求书中公布了：1.一种基于多任务学习的脊柱图像关键点检测算法，其特征在于，包括以下步骤： S1、获取矢状面脊柱图像，并将所述矢状面脊柱图像输入至训练好的多任务深度学习网络模型，其中，所述多任务深度学习网络模型包括关键点定位分支和分割分支； S2、在分割分支中嵌入改进的空洞空间金字塔池化模块，以多尺度空洞卷积和全局上下文信息融合的方式，扩展所述多任务深度学习网络模型的感受野； S3、在关键点定位分支与分割分支之间引入跨任务注意力机制，通过在特征空间中实现信息交互与动态加权，使分割分支能够借助关键点定位分支强化对椎体边缘的关注，同时关键点定位分支也能从分割特征中获取全局语义信息； 所述S3中，跨任务注意力机制的实现包括跨任务注意力融合模块； 所述跨任务注意力融合模块的输入分别来自关键点定位分支的特征和来自分割分支的特征；具体包括： 和被送入编码器层以生成两个新的局部特征和，然后通过逐元素乘法得到一阶上下文注意力图，实现特征间的细粒度交互，使多任务深度学习网络模型更关注分割与定位特征中共同响应的区域；其具体计算过程如下： ； 其中，表示由卷积和激活函数构成的复合函数，代表逐元素乘法； 跨任务注意力融合模块采用残差块来提取综合特征，具体结构表示如下： ； 其中，Sigmoid是Sigmoid激活函数，而Concat代表拼接操作； 再次，对与或执行逐元素乘法，获取二阶上下文注意力图，以捕获更复杂的跨任务依赖特征，提升融合特征结构的一致性； 最后，通过可学习的尺度参数和进行逐元素求和操作，使多任务深度学习网络模型能够自适应地调整分割与定位特征的融合强度，实现动态权重分配，从而获得融合后的特征和，具体步骤如下： ； ； 其中，Sum表示求和操作，融合后的特征同时包含结构边界信息与关键点位置信息，为后续脊柱几何结构分析与参数测量提供高维表示； S4、在训练阶段引入热图与掩码对齐损失，通过约束生成的椎体中心点热图与分割掩码之间的空间对应关系，增强关键点定位的准确性与稳定性； S5、输出融合优化后的脊柱椎体分割掩码及关键点热图，作为关键点检测结果。

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徐州市中心医院;江苏师范大学，其通讯地址为：221000 江苏省徐州市泉山区解放路199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。