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！

龙图腾网获悉河北医科大学申请的专利骨骼X射线图像的处理方法、装置、设备及介质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：CN119379641B 。

龙图腾网通过国家知识产权局官网在2025-07-22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：202411469267.5，技术领域涉及：G06T7/00；该发明授权骨骼X射线图像的处理方法、装置、设备及介质是由郭丽莎;吴艳茹;王煦涵;乔仔依;杨海波;张晶;郝晨汝;程莉;池子强;苏芮;赵瑞斌;吴慧钊设计研发完成，并于2024-10-21向国家知识产权局提交的专利申请。

本骨骼X射线图像的处理方法、装置、设备及介质在说明书摘要公布了：本发明涉及人工智能技术领域，提供一种骨骼X射线图像的处理方法、装置、设备及介质，能够利用基于分割一切模型训练的网络对骨骼X射线图像进行处理，分割一切模型作为视觉基础模型，具有强大的零样本学习能力，能够在病变边界框的提示下提取X射线图像中与病变相关的骨骼边缘信息，并利用骨骼边缘图引导网络学习骨骼边缘特征，从而提升骨科疾病的检测性能，能够为医生诊断骨科疾病提供重要线索，以辅助医生提升阅片速度和诊断准确率。

本发明授权骨骼X射线图像的处理方法、装置、设备及介质在权利要求书中公布了：1.一种骨骼X射线图像的处理方法，其特征在于，所述骨骼X射线图像的处理方法包括： 基于分割一切模型构建初始网络，及构建目标损失函数；其中，所述初始网络包括图像特征提取模块、骨骼边缘信息挖掘模块、多尺度特征融合模块、边缘分支、分类分支及回归分支；所述目标损失函数包括边缘损失函数及检测损失函数； 获取历史骨骼X射线图像构建训练集，并基于所述训练集及所述目标损失函数训练所述初始网络，得到目标网络； 响应于对目标骨骼X射线图像的处理指令，利用所述图像特征提取模块对所述目标骨骼X射线图像进行特征提取，得到目标图像特征； 利用所述多尺度特征融合模块对所述目标图像特征进行融合，得到融合特征； 利用所述分类分支对所述融合特征进行分类处理得到目标类型，及利用所述回归分支对所述融合特征进行位置预测得到目标位置； 根据所述目标类型及所述目标位置生成对所述目标骨骼X射线图像的处理结果； 其中，在训练所述初始网络的过程中，对于所述训练集中的每个样本，利用所述分割一切模型的图像编码器提取所述样本的编码图像特征；获取在所述样本上标记的病变的真实边界框；以所述真实边界框作为提示，利用所述分割一切模型的提示编码器获取所述样本的边界框提示嵌入；将所述编码图像特征及所述边界框提示嵌入输入至所述分割一切模型的掩码解码器，得到所述样本的骨骼掩码；利用边缘检测器对所述骨骼掩码进行边缘检测，得到与病变相关的初始骨骼边缘图； 其中，所述得到与病变相关的初始骨骼边缘图后，获取所述多尺度特征融合模块输出的与所述样本对应的目标融合特征； 采用下述公式，将所述目标融合特征输入至所述边缘分支以预测骨骼边缘，得到目标骨骼边缘图： ； ； ； 其中，表示第M个上采样层输出的特征；表示所述多尺度特征融合模块输出的与第M个上采样层输出的特征所对应的特征；表示第（m-1）个上采样层输出的特征；表示第0个上采样层输出的特征；表示第m个上采样层输出的特征；表示对第m个上采样层输出的特征的上采样操作；表示所述多尺度特征融合模块输出的与第m个上采样层输出的特征所对应的特征；表示对与的级联操作；表示卷积操作，卷积核的尺寸为；表示所述目标骨骼边缘图；m表示[1，M]间的整数，M为大于1的整数； 其中，所述构建目标损失函数前，以所述骨骼边缘信息挖掘模块输出的初始骨骼边缘图作为监督信号引导所述边缘分支学习与病变相关的骨骼边缘信息，得到所述边缘损失函数： ； 其中，表示边缘损失；表示每个样本对应的图像像素数量；表示所述边缘分支预测的第个像素值；表示所述骨骼边缘信息挖掘模块输出的初始骨骼边缘图的第个像素值；i为大于或者等于0的整数。

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河北医科大学，其通讯地址为：050011 河北省石家庄市中山东路361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”。