Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 东南大学赵云龙获国家专利权

东南大学赵云龙获国家专利权

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!

龙图腾网获悉东南大学申请的专利一种基于Grad-CAM的新冠肺炎病灶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:CN114972272B

龙图腾网通过国家知识产权局官网在2025-06-20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:202210617466.0,技术领域涉及:G06T7/00;该发明授权一种基于Grad-CAM的新冠肺炎病灶分割方法是由赵云龙;黄永明设计研发完成,并于2022-06-01向国家知识产权局提交的专利申请。

一种基于Grad-CAM的新冠肺炎病灶分割方法在说明书摘要公布了:本发明公开了一种基于Grad‑CAM的新冠肺炎病灶分割方法,该方法主要内容是:首先对CT图像进行图像常规预处理,再使用以OSTU为核心的图像二值化预处理方法增强肺部病灶和健康区域的对比度,并突出病灶边缘信息;将预处理好的CT图像输入分类卷积神经网络进行训练;在训练好的分类卷积神经网络中调用Grad‑CAM生成用以进行CT图像分类的特征区域定位热力图。最后在热力图中设定分割阈值,并根据阈值得到肺部病灶分割结果。通过本发明可以实现在只有类别标签,没有分割标签的情况下对新冠肺炎病灶的自动分割,从而节省人力,并保证分割结果的客观性。

本发明授权一种基于Grad-CAM的新冠肺炎病灶分割方法在权利要求书中公布了:1.一种基于Grad-CAM的新冠肺炎病灶分割方法,其特征在于,所述方法包括以下步骤: 步骤1:对CT图像进行图像常规预处理; 步骤2:使用以OSTU为核心的图像二值化预处理方法增强肺部病灶和健康区域的对比度,并突出病灶边缘信息; 步骤3:将预处理好的CT图像输入分类卷积神经网络进行训练; 步骤4:在训练好的分类卷积神经网络中调用Grad-CAM生成用以进行CT图像分类的特征区域定位热力图; 步骤5:在热力图中设定分割阈值,并根据阈值得到肺部病灶分割结果; 所述步骤1中,对CT图像进行图像常规预处理的方法为: 步骤1.1:使用中值滤波对CT图像进行去噪; 步骤1.2:对CT图像进行裁剪以保留ROI; 步骤1.3:统一CT图像方向与人体方向对应关系; 步骤1.4:统一CT图像尺寸大小; 所述步骤2中,包括以下步骤: 步骤2.1:对CT图像进行亮度调整; 步骤2.2:使用自适应直方图均衡化对CT图像进行对比度调整; 步骤2.3:使用OSTU确定CT图像的二值化阈值,并进行二值化处理; 步骤2.4:通过对二值图进行并运算,保留肺部完整轮廓; 步骤2.5:对二值化处理结果取反; 步骤2.6:使用填洞和膨胀提取肺部轮廓边缘信息; 步骤2.7:使用本发明设计算法去除图像边缘区域的无效信息; 所述步骤2中, 所述步骤2.3中,通过最大类间方差法确定每张CT图像进行二值化处理的最佳阈值,阈值计算方法如下: 在CT图像I中,假设有L个灰度级,L≥1,灰度级为i的像素点数为si,1≤i≤L图像I的像素点总数为S,则所有灰度级为i的像素点数出现的概率Pi为 将图像像素集合分为目标像素集合Ct和背景像素集合Cb,假设最佳阈值为k,灰度级i在[1,k]的像素点被分入Ct,灰度级i在[k+1,L]的像素点被分入Cb;则目标像素集合Ct和背景像素集合Cb内的像素点在图像I所有的像素点中的占比ωt和ωb分别为 由上述两式可得目标像素均值μt和背景像素均值μb分别为 类间方差σt和σb分别为 二者总灰度均值μ为 类间总方差σ2为σ2=ωtσt 2+ωbσb 2 最佳阈值Th为 上式表示取类间总方差σ2最大值时的k作为最佳阈值;根据该阈值对图像中的每个像素点赋值0或1,从而完成CT图像的二值化处理; 所述步骤3中,在使用Grad-CAM前,使用分类卷积神经网络对患者CT和健康人CT进行二分类; 所述步骤4中,使用训练好的分类卷积神经网络对CT图像进行分类,在分类预测结果为患者CT的CT图像上使用Grad-CAM识别特征区域,并依据概率大小生成特征区域定位热力图,即在分类预测结果为患者CT的CT图像中得到病灶概率分布热力图;具体计算方法为: 为了获得任意类别c的类别判别定位图Grad-CAM首先进行正向传播,计算类别c在softmax层之前的得分梯度yc,其中yc与卷积层的特征映射Ak有关,k代表特征层A中的第k个通道;上述计算得到的梯度进行反向传播,并进行全局平均池化,以得到神经元重要性权重 其中,Z为特征层的宽度与高度之积,为特征层A在通道k中,坐标为ij位置处的数据,权重代表特征映射A下游深层网络的部分线性化,并获得目标类别c的特征映射k的重要性;之后Grad-CAM对前向激活映射进行加权组合,通过ReLU得到类别c的类别判别定位图 最后通过产生与卷积特征映射大小相同的热力图,实现病灶区域定位。

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东南大学,其通讯地址为:210096 江苏省南京市玄武区四牌楼2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”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。