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！

龙图腾网获悉哈尔滨理工大学申请的专利基于SFAG-DeepLabv3+的冠状动脉造影图像自动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：CN118447241B 。

龙图腾网通过国家知识产权局官网在2025-05-27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：202410449402.3，技术领域涉及：G06V10/26；该发明授权基于SFAG-DeepLabv3+的冠状动脉造影图像自动分割方法是由陈寅生;张莹;韩旭设计研发完成，并于2024-04-15向国家知识产权局提交的专利申请。

本基于SFAG-DeepLabv3+的冠状动脉造影图像自动分割方法在说明书摘要公布了：本发明公开了一种基于SFAG‑DeepLabv3+的冠状动脉造影图像自动分割方法，所述方法基于DeepLabv3+骨干网络，提出AG‑DeepLabv3+网络。在编码器部分，基于ASPP模块提出一种自适应混合膨胀卷积双池化ADP模块，构建加强特征提取网络。在编码器解码器之间引入高斯上下文空间GCS模块，通过在通道维度和空间维度进行自适应重组特征，减少信息从编码器到解码器压缩和解压缩的过程中造成的信息损失，解决了信息从编码器到解码器压缩和解压缩的过程中，因信息损失而导致模型对血管分割时血管断裂的问题。在解码器部分采用双三次插值上采样，通过利用更多的邻近像素信息，提高了血管分割的连续性。

本发明授权基于SFAG-DeepLabv3+的冠状动脉造影图像自动分割方法在权利要求书中公布了：1.一种基于SFAG-DeepLabv3+的冠状动脉造影图像自动分割方法，其特征在于所述方法包括如下步骤：步骤1、构建CAG冠状动脉造影图像数据集：步骤101、获取原始冠状动脉造影图像数据；步骤102、采用SwinTransformer分类网络对原始冠脉动脉造影图像进行处理，剔除非冠状动脉造影图像；步骤103、从步骤102处理过后的数据中选取部分冠脉造影图像构建CAG数据集；步骤104、利用FSE数据增强对CAG数据集进行数据增强；步骤105、使用Labelme对CAG数据集进行标注，得到带有标签的数据集，将该数据集随机划分为训练集和测试集；步骤2、构建基于AG-DeepLabv3+的冠状动脉造影图像分割网络：步骤201、对DeepLabv3+网络编码器部分的ASPP模块进行改进，获得ADP模块，所述ADP模块包括具有自适应特征重标定的串行结构的混合膨胀卷积层和双池化层，其中：卷积层部分结合混合膨胀卷积，同时在空间和通道维度上进行信息整合增强，形成具有自适应特征重标定的串行结构的混合膨胀卷积，具体步骤如下：首先，采用三个膨胀率分别为1、2、5的串行结构的混合膨胀卷积；接着，将经过混合膨胀卷积的特征图同时在空间和通道维度上进行信息整合增强，在通道维度，将经过膨胀卷积后的特征图通过全局平均池化层从[H，W，C]变为[1，1，C]，使用两个1×1×1卷积进行信息处理得到C维的向量，接着使用sigmoid函数进行归一化，得到对应的mask，通过channel-wise相乘，得到经过通道信息校准过的特征图；在空间维度，使用通道数为1，卷积核大小为1×1的卷积将经过混合膨胀卷积提取的特征图从[H，W，C]变为[H，W，1]，其中H，W，C分别为特征图的高度、长度和通道数，使用sigmoid激活得到spatialattentionmap，最终直接施加到经过膨胀卷积后的特征图中，完成混合膨胀卷积特征提取的空间信息校准，形成具有自适应特征重标定的串行结构的混合膨胀卷积层；双池化层结合条形池化核和全局平均池化的方形池化核与卷积层成并行结构后进行特征融合，设x∈RC×H×W，R为输入张量，将x输入两个并行路径，每个路径都包含一个水平或垂直条形池化层，然后是一个核大小为3的一维卷积层，用于调制当前位置及其邻近特征，为了得到包含更多有用的全局先验的输出z∈RC×H×W，将yh和yυ组合在一起，得到yc,i,j∈RC×H×W，然后，经过一个1×1卷积和一个Sigmoid层之后，与原输入进行对应元素相乘，得到最终的输出z；对于冠状动脉造影图像的全局信息，将每个像素的值在其所在的通道中进行求平均并将每个像素点替换为其所在通道的平均值，经过此过程，每个通道得到一个平均值，这些平均值构成了新的特征图，将新特征图采用2×2的卷积上采样得到其的输出值；步骤202、通过在编码器解码器之间引入GCS模块，其中：所述GCS模块的第一阶段以高斯激发为基础，在通道层面对底层语义信息和高层语义信息进行全局上下文特征的整合增强；第二阶段采用空间激励的方式增强高级语义信息和低级语义信息的特征表达能力；两阶段同时进行；步骤203、在DeepLabv3+网络解码器部分采用Bicubic上采样；步骤3、利用步骤1得到的训练集对步骤2构建的基于AG-DeepLabV3+的冠状动脉造影图像分割网络进行训练，将测试集输入到训练后的基于AG-DeepLabV3+的冠状动脉造影图像分割网络中，得到分割结果。

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哈尔滨理工大学，其通讯地址为：150000 黑龙江省哈尔滨市南岗区学府路52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”。