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！

龙图腾网获悉重庆理工大学申请的专利一种基于BFTransNet混合网络的肠胃MRI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：CN116542986B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202310407759.0，技术领域涉及：G06T7/11；该发明授权一种基于BFTransNet混合网络的肠胃MRI图像分割方法是由王勇;蒋鑫;丁一洲;王永明设计研发完成，并于2023-04-17向国家知识产权局提交的专利申请。

本一种基于BFTransNet混合网络的肠胃MRI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BFTransNet混合网络的肠胃MRI图像分割方法，该方法将相邻的多张肠胃MRI切片图像进行图像叠加融合构成待测肠胃MRI图像，输入至预先经过肠胃区域分割训练的BFTransNet混合网络，得到待测肠胃MRI图像的肠胃区域分割结果；BFTransNet混合网络包括基于多层次CNN卷积网络和Transformer转换模型的混合编码模块和基于多层次BiFuse网络的注意力融合分割模块，在对BFTransNet混合网络的训练过程中，本发明构建多层级的总损失函数来指导BFTransNet混合网络的识别性能参数进行优化更新；本发明方法能够快速、准确的实现对肠胃MRI图像中指定肠胃区域的分割识别，进而用以解决放疗过程中用手动勾勒出胃、肠道等区域位置造成时间耽误而使得患者痛苦时间较长的问题。

本发明授权一种基于BFTransNet混合网络的肠胃MRI图像分割方法在权利要求书中公布了：1.一种基于BFTransNet混合网络的肠胃MRI图像分割方法，其特征在于，将相邻的多张肠胃MRI切片图像进行图像叠加融合构成待测肠胃MRI图像，输入至预先经过肠胃区域分割训练的BFTransNet混合网络，得到待测肠胃MRI图像的肠胃区域分割结果； 所述BFTransNet混合网络包括基于CNN卷积网络和Transformer转换模型的混合编码模块和基于BiFuse网络的注意力融合分割模块；所述混合编码模块用于对待测肠胃MRI图像分别进行CNN卷积下采样特征提取和Transformer编码特征提取，得到待测肠胃MRI图像对应的卷积下采样特征向量和编码下采样特征向量后，通过注意力融合分割模块将待测肠胃MRI图像对应的卷积下采样特征向量和编码下采样特征向量进行空间注意力和通道注意力的BiFuse交叉融合，然后对得到的融合特征图像进行上采样图像恢复，得到携带有预测识别的肠胃区域分割掩码的分割标记图像，作为待测肠胃MRI图像的肠胃区域分割结果； 其中，待测肠胃MRI图像的构建方式为： 选取相邻的多张肠胃MRI切片图像，将每张肠胃MRI切片图像作为待测肠胃MRI图像的一个像素通道，从而使得选取的各肠胃MRI切片图像进行各对应位置像素的叠加，得到待测肠胃MRI图像； 选取相邻的多张肠胃MRI切片图像融合生成待测肠胃MRI图像的具体处理方式为： 选取一张肠胃MRI切片图像作为待测基准图像，在选取其相邻的前K张肠胃MRI切片图像和后K张肠胃MRI切片图像，共选取2K+1张肠胃MRI切片图像；生成一个像素值全为0的多通道图像F2K+1,H,W，该多通道图像F的像素高度和像素宽度分别等于肠胃MRI切片图像的像素高度H和像素宽度W，多通道图像F的像素通道数C等于2K+1；将选取的2K+1张肠胃MRI切片图像分别叠加到所述多通道图像F的2K+1个像素通道中，即令，表示多通道图像F的第k个像素通道，表示选取的第k张肠胃MRI切片图像，；由此得到的叠加2K+1张肠胃MRI切片图像的多通道图像F，即作为待测肠胃MRI图像；K的取值范围为1~4； 混合编码模块中处理得到待测肠胃MRI图像对应的卷积下采样特征向量的具体方式为： 对待测肠胃MRI图像进行L层卷积下采样，得到待测肠胃MRI图像的L层下采样图像；针对其中每层下采样图像，将其划分重构为一个图像块序列，其中，表示待测肠胃MRI图像的第层下采样图像划分的第个图像块，每个图像块的像素尺寸大小为，为下采样图像被划分的图像块总数，且，、分别为待测肠胃MRI图像的像素高度和像素宽度，为待测肠胃MRI图像的像素通道数；然后，再将各层下采样图像的图像块序列映射到潜在的维嵌入空间，得到各层下采样图像对应的位置嵌入向量，作为待测肠胃MRI图像对应的L层卷积下采样特征向量： ，； 其中，表示待测肠胃MRI图像的第层下采样图像对应的位置嵌入向量，即待测肠胃MRI图像对应的第层卷积下采样特征向量；表示块嵌入映射，表示位置嵌入； 混合编码模块中处理得到待测肠胃MRI图像对应的编码下采样特征向量的具体方式为： 将第L层下采样图像对应的位置嵌入向量输入到Transformer转换模型进行Transformer特征编码，得到第L层编码特征向量，再对第L层编码特征向量进行L-1层卷积上采样，由此得到共L层的编码特征向量，作为待测肠胃MRI图像对应的L层编码下采样特征向量。

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重庆理工大学，其通讯地址为：400054 重庆市巴南区李家沱红光大道69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。