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！

龙图腾网获悉上海吾魅科技有限公司申请的专利深度学习自动分割超声图像中人体组织的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：CN114119474B 。

龙图腾网通过国家知识产权局官网在2025-07-15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：202111232141.2，技术领域涉及：G06T7/00；该发明授权深度学习自动分割超声图像中人体组织的方法是由孔维真设计研发完成，并于2021-10-22向国家知识产权局提交的专利申请。

本深度学习自动分割超声图像中人体组织的方法在说明书摘要公布了：本发明涉及医学图像处理技术，旨在提供一种深度学习自动分割超声图像中人体组织的方法。包括：建立人体组织的超声图像训练和测试样本集；以无批归一化层的NFNet作为基础网络，构建分割网络的编码网络结构；构建分割网络的解码网络结构；交叉训练分割模型；多模型测试与性能评估；模型融合后进行实时分割。本发明基于NFNet‑F0设计了不含有批归一化层的分割网络结构，解决了含有批归一化层的网络结构在分割训练时使用较小批量导致模型性能变差的问题，使用完整图像训练利用全部上下文信息，提高了分割模型准确率和应用推理时的速度。

本发明授权深度学习自动分割超声图像中人体组织的方法在权利要求书中公布了：1.一种深度学习自动分割超声图像中人体组织的方法，其特征在于，包括以下步骤： （1）建立人体组织的超声图像训练和测试样本集； （2）以无批归一化层的NFNet作为基础网络，构建分割网络的编码网络结构；该步骤具体包括： （2.1）选取NFNet-F0作为基础网络，激活函数选择含有固定尺度因子的ReLU；修改NFNet-F0最后1个卷积层的卷积核大小为3×3，输出通道数调整为2048，输出特征图尺寸保持不变；去掉NFNet-F0最后的全局池化层，Dropout层和全连接层； （2.2）在公开数据集上训练修改后的NFNet-F0网络，训练过程中采用随机面积和宽高比裁剪图像区域，使用随机数据增广、标签平滑、MixUp和CutMix作为数据输入正则化策略，选取在与公开数据集匹配的验证集上准确率最高的模型参数； （2.3）使用步骤（2.2）训练的模型参数重新初始化步骤（2.1）修改的NFNet-F0网络，作为分割网络的编码网络结构； （3）构建分割网络的解码网络结构；该步骤具体包括： （3.1）在分割网络编码部分的输出层之后连接1个双倍尺寸上采样层，使用双倍尺寸上采样方法增大特征图尺寸； （3.2）在双倍尺寸上采样层之后连接1个3×3卷积层，用于解码网络学习上采样之后的分割特征，在卷积层之后使用1个双倍尺寸上采样层调整输出特征图尺寸；然后再使用1个3×3卷积层，加强解码网络的特征学习；最后用1个双倍尺寸上采样层放大特征图尺寸，使用1个卷积层输出6个特征通道，进行softmax映射后输出分割概率图；解码网络与编码网络不进行跳层连接； （3.3）根据步骤（3.1）和（3.2）完成分割网络的解码网络结构，在每次训练时将输入图像对应的真实标签图像使用最近邻插值下采样4倍，下采样后的标签图像和解码网络输出概率图大小一样，以计算损失函数并进行梯度反向传播； （4）交叉训练分割模型；该步骤具体包括： （4.1）在训练集上交叉训练分割模型，首先把超声图像训练集随机平均分成至少4份，每次选其中1份作为验证集，剩余的作为训练集； （4.2）由于超声图像尺寸不统一，每次训练时随机设置图像最长边缩放尺度；如果图像宽或高小于预设值，则使用随机平移填充；在填充后图像内随机裁剪指定尺寸的图像区域，使用水平镜像、亮度、对比度和锐度随机变换进行数据增广，然后输入网络； （4.3）使用softmax交叉熵作为损失函数，采用随机梯度下降法优化损失函数，在训练集上进行若干次训练；交叉训练完成后，选取在验证集上平均交并比最高的至少4个模型作为每次训练的分割模型； （5）多模型测试与性能评估； （6）模型融合后进行实时分割。

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上海吾魅科技有限公司，其通讯地址为：201203 上海市浦东新区自由贸易试验区临港新片区宏祥北路83弄1-42号20幢118室；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”。