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！

龙图腾网获悉电子科技大学申请的专利基于深度学习的前哨淋巴结超声图像语义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：CN118967704B 。

龙图腾网通过国家知识产权局官网在2025-07-11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：202411071788.5，技术领域涉及：G06T7/10；该发明授权基于深度学习的前哨淋巴结超声图像语义分割方法是由邓建华;代欣言;吴灵雅;李雪莲;冯正权;张浩;罗博;谢佳雨;蔡竟业设计研发完成，并于2024-08-06向国家知识产权局提交的专利申请。

本基于深度学习的前哨淋巴结超声图像语义分割方法在说明书摘要公布了：本发明公开了一种基于深度学习的前哨淋巴结超声图像语义分割方法，涉及图像语义分割技术领域。本发明首先获取前哨淋巴结超声图像数据集，对数据集进行预处理以得到训练集；然后构建用于图像语义分割的RA‑U‑Net++网络，并基于训练集对其进行网络参数调优，得到用于目标病灶的医学图像语义分割模型；该网络采用U型结构多层结构，每一层级设置一个采用残差空洞金字塔模块的编码节点，当前层级的编码节点的输出特征图经下采样后输入下一层级的编码节点；首层至倒数第二层均设置有解码节点，解码节点逐层减少，每一层级的解码节点位于编码节点后，每个解码节点的输入包括其前所有节点的输出特征图以及下一层级中的前相邻节点的输出特征图；基于首层的最后一个解码节点的输出特征图获取最终的分割结果。本发明实现了前哨淋巴结超声图像的自动分割，摆脱了繁琐费时费力的手工分割；并且分割效果好，能够得到较高的交并比IoU。

本发明授权基于深度学习的前哨淋巴结超声图像语义分割方法在权利要求书中公布了：1.基于深度学习的前哨淋巴结超声图像语义分割方法，其特征在于，包括下列步骤： 步骤1，获取前哨淋巴结超声图像数据集，对数据集进行预处理以得到训练集； 步骤2，构建用于图像语义分割的RA-U-Net++网络，并基于训练集对RA-U-Net++网络进行网络参数调优，得到用于目标病灶的医学图像语义分割模型； 其中，RA-U-Net++网络采用U型结构，其包括L层级，其中，L≥2；每一层级设置一个编码节点，该编码节点采用残差空洞金字塔模块，当前层级的编码节点的输出特征图经下采样后输入下一层级的编码节点； 从RA-U-Net++网络的首层至L-1层，均设置有解码节点，首层包括L-1个解码节点，且从首层开始逐层减少一个解码节点，每一层级中，解码节点位于编码节点后，每个解码节点的输入包括：同一层级中当前解码节点之前的每个节点的输出特征图经跳跃连接后的特征图，以及下一层级中的前相邻节点的输出特征图经上采样后的特征图； 基于首层的最后一个解码节点的输出特征图获取最终的分割结果； 所述残差空洞金字塔模块包括残差连接的卷积模块和空洞空间金字塔池化结构； 其中，含残差连接的卷积模块包括主分支和快捷连接分支，其中主分支包括两个3×3卷积层，并且每个卷积层后面都接一个批量归一化层和ReLU激活函数；快捷连接分支依次包括1×1卷积层和批量归一化层； 空洞空间金字塔池化结构的输入为残差连接的卷积模块的输出特征图，其包括全局平均池化分支、空洞卷积分支和卷积分支； 其中，全局平均池化分支依次包括1×1全局平均池化层、1×1卷积层、批量归一化层、ReLu激活函数和上采样； 空洞卷积分支包括三个并行不同空洞率的空洞卷积模块，每个空洞卷积模块依次包括空洞卷积层，批量归一化层以及ReLu激活函数； 卷积分支依次包括1×1的卷积层、批量归一化层和ReLu激活函数； 拼接空洞空间金字塔池化结构的全局平均池化分支、空洞卷积分支和卷积分支的输出特征图，再经卷积模块得到残差空洞金字塔模块的输出特征图，其中，该卷积模块依次包括1×1的卷积层、批量归一化层和ReLu激活函数。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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”。