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！

龙图腾网获悉西安交通大学申请的专利一种基于旋转与放缩等变网络的眼底血管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：CN117291886B 。

龙图腾网通过国家知识产权局官网在2025-07-25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：202311250459.2，技术领域涉及：G06T7/00；该发明授权一种基于旋转与放缩等变网络的眼底血管分割方法是由谢琦;孙子洪;孟德宇设计研发完成，并于2023-09-26向国家知识产权局提交的专利申请。

本一种基于旋转与放缩等变网络的眼底血管分割方法在说明书摘要公布了：本发明公开了一种基于旋转与放缩等变网络的眼底血管分割方法，通过利用群论和傅里叶展开的信息无损性，针对眼球血管规模小且局部形态复杂的特点，精确地刻画了眼球血管局部特征的对称性，构建了高精度且对旋转与放缩变换等变的眼底血管分割网络，并分别在同数据集与跨数据集实验中达到了当前最优的分割能力，且参数量仅为基础网络的13.9％。这展现了本发明所设计的基于傅里叶参数化的旋转与放缩等变网络卓越的表达精度，优异的泛化能力和巨大的临床应用潜力。

本发明授权一种基于旋转与放缩等变网络的眼底血管分割方法在权利要求书中公布了：1.一种基于旋转与放缩等变网络的眼底血管分割方法，其特征在于，包括如下步骤： 步骤1:获取眼底血管图像，并对图像进行标注，得到眼底血管掩码，将成对的眼底血管图像与对应掩码作为数据集； 步骤2:根据眼底血管的几何特征，利用群的对称性设计构建对旋转和放缩变换等变的卷积框架；根据眼底血管分割的精度要求，利用傅里叶展开的信息无损性设计构建在静态与动态下均具有高精度的参数化卷积核；将所述卷积框架和参数化卷积核组合得到傅里叶参数化的旋转与放缩等变卷积核； 步骤3:将所述傅里叶参数化的旋转与放缩等变卷积核替换现有眼底血管分割网络中的卷积核，得到傅里叶参数化的旋转与放缩等变网络； 步骤4:加载步骤1中的眼底血管图像，并进行数据增广，将其与对应的超参数传入所述傅里叶参数化的旋转与放缩等变网络，根据训练损失函数，通过反向优化算法迭代更新网络参数，使得网络的输出结果逐渐逼近步骤1标注的眼底血管掩码，当达到设定的迭代次数时，训练终止，保存此时的网络参数，即为训练模型； 步骤5:准备待测试的眼底血管图像和对应的眼底血管掩码，加载所述训练模型，将待测试的眼底血管图像和对应的眼底血管掩码输入到傅里叶参数化的旋转与放缩等变网络中进行前向计算，网络的输出结果即为网络的眼底血管分割结果； 所述步骤2，卷积框架中，起始层的旋转与放缩等变卷积映射为： 其中，t∈T，为输入图像，为起始层卷积核，μ0为初始尺度，μ为缩放比例，旋转矩阵其中σ是群上的哈尔测度，对于有dσt0＝dt0，起始层的旋转与放缩等变卷积映射ΦR将定义在的输入图像映射到定义在群H的特征图，其中R是旋转群，S是尺度群，T是平移群，是卷积核旋转角度，是卷积核尺度等级，是卷积核平面坐标，×是直积，是半直积； 中间层的旋转与放缩等变卷积映射为： 其中，是特征图，是中间层卷积核，中间层的旋转与放缩等变卷积映射ΦH将一个定义在群H的特征图映射到另一个定义在群H的特征图； 参数化卷积核为： 其中，ψx是参数化卷积核，和分别是正余弦基底函数，是二维平面坐标，p是卷积核大小，k,l＝0,1,…,p-1，akl和bkl是展开系数，h′是重参数化的图像网格尺寸，Ωx≥0为径向掩码，且当||x||≥p+12h′时，Ωx＝0。

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西安交通大学，其通讯地址为：710049 陕西省西安市碑林区咸宁西路28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”。