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！

龙图腾网获悉安徽医科大学申请的专利面向X射线冠脉造影狭窄分割的尺度感知渐进式学习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：CN121353679B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202511912346.3，技术领域涉及：G06V10/26；该发明授权面向X射线冠脉造影狭窄分割的尺度感知渐进式学习方法是由张冬;李默然;李响;刘成立;杨飞设计研发完成，并于2025-12-18向国家知识产权局提交的专利申请。

本面向X射线冠脉造影狭窄分割的尺度感知渐进式学习方法在说明书摘要公布了：本发明公开了一种面向X射线冠脉造影狭窄分割的尺度感知渐进式学习方法。所要解决的技术问题在于如何解决冠脉造影狭窄分割中存在的多尺度特性和小目标特性导致的分割精度不足问题，结合尺度感知策略和渐进式特征保留机制的一种面向X射线冠脉造影狭窄分割的尺度感知渐进式学习方法。本发明显著提升多尺度狭窄的分割能力，通过尺度感知策略动态聚合不同尺度的上下文特征，能够有效适应冠状动脉在XCA图像中呈现的尺度差异，增强模型对细微狭窄变化的敏感性，实现更精准的狭窄边界刻画，有效解决小目标信息易丢失的问题，提升模型对复杂背景干扰的鲁棒性，具备更强的泛化能力，可适应不同设备与成像条件，降低医生工作负担，提高效率。

本发明授权面向X射线冠脉造影狭窄分割的尺度感知渐进式学习方法在权利要求书中公布了：1.一种面向X射线冠脉造影狭窄分割的尺度感知渐进式学习方法，其特征在于，包括： 1从公开数据集中获得X射线冠脉造影图像和对应真实掩码； 2将获得的X射线冠脉造影图像送入尺度感知卷积聚合模块SCA，提取局部一致性特征图、狭窄边界特征图及多尺度上下文特征图； 3利用1×1卷积对三分支特征图进行动态融合，得到统一的多尺度特征图； 4将统一的多尺度特征图输入渐进式特征保留块PFP，通过显著性选择、位置编码与通道注意力得到小尺度狭窄信息的强化特征图； 5将获得的小尺度狭窄信息的强化特征图和统一的多尺度特征图采用残差连接方式融合，得到强化的小目标特征图； 6将强化的小目标特征图和X射线冠脉造影图像传入分割网络得到预测掩码； 7构建尺度感知损失函数SAL，基于预测掩膜与真实掩膜的面积差异计算权重系数； 8采用加权后的交并比损失优化网络，使模型在训练中更加关注小尺度狭窄区域，最终得到能够精准分割不同尺度冠脉狭窄的分割模型； 所述尺度感知卷积聚合模块SCA中包括： 标准卷积分支用于保持局部空间一致性； 中心差分卷积分支用于突出狭窄边界的梯度细节，其操作定义为：；表示中心差分卷积；表示标准卷积响应；表示中心差分强度调节系数，取值范围0-1；表示中心差分项； 空洞卷积分支包含多个不同扩张率的卷积操作，以扩大感受野，整合不同尺度的上下文信息。

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安徽医科大学，其通讯地址为：230032 安徽省合肥市蜀山区梅山路81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。