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一种基于LSCU-net的肺栓塞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：CN117808820B 。

龙图腾网通过国家知识产权局官网在2025-08-01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：202311850988.6，技术领域涉及：G06F30/27；该发明授权一种基于LSCU-net的肺栓塞分割方法是由詹思瑜;雷昕;刘爽;郭璐设计研发完成，并于2023-12-28向国家知识产权局提交的专利申请。

本一种基于LSCU-net的肺栓塞分割方法在说明书摘要公布了：本发明公开了一种基于LSCU‑net的肺栓塞分割方法，解决了由于病灶区形状的多样性以及器官结构不同导致的差异性而导致的仅使用U‑net模型分割病灶区无法满足对于分割精准度、分割速度、分割准确度等需求的问题，属于深度学习语义分割领域。本发明包括：提出了一种基于LSCU‑net的肺栓塞分割方法，本发明改进U‑net通过合理设计添加CBAM注意力模块和Bi‑LSTM双向长短期记忆模块，能够实现不同尺度特征信息的融合和对肺栓塞CTPA切片间序列信息的提取。本发明具有模型体积小，成本低，结构简单等特点，可以用来实现肺栓塞病灶区的自动分割，此外在其他医学图像的病灶区分割也具有巨大应用潜力。

本发明授权一种基于LSCU-net的肺栓塞分割方法在权利要求书中公布了：1.一种基于LSCU-net的肺栓塞分割方法，其特征在于，包括以下步骤： 步骤s1:获取关于肺栓塞CTPA图像并通过图像预处理得到肺栓塞数据集，并划分训练集和测试集； 步骤s2:搭建改进的LSCU-net神经网络模型: 步骤s21:在LSCU-net神经网络模型的encorder模块引入带残差的轻量化注意力模块CBAM的卷积模块CBAM-Conv; 步骤s22:LSCU-net神经网络模型的bottleneck层引入双向长短期记忆模块Bi-LSTM，加强U-net对肺栓塞切片间序列信息的利用; 步骤s3:将训练集作为训练样本，对步骤2得到的改进LSCU-net神经网络进行训练,将训练集通过数据增强后输入到LSCU-net进行训练，损失函数为FTLoss+BCEloss; 步骤s4:利用训练后的LSCU-net对测试集的肺栓塞样本进行分割测试; 对U-net神经网络进行改进，具体改进内容如下： （1）在LSCU-net神经网络模型的encorder模块引入带残差的轻量化注意力模块CBAM的卷积模块CBAM-Conv，具体如下： 在进行特征提取的编码器结构区域使用CBAM-Conv模块,该CBAM-Conv模块由一层CBAM和两个基本卷积块串联组成； CBAM层：由通道注意力模块CA和空间注意力模块SA串联得到，用于改变神经网络模型学习策略，并将不同尺度、不同层次的特征信息进行有效融合，加强神经网络对感兴趣区域信息的关注度，通过CBAM层后图像特征数据会依次通过通道注意力模块CA、空间注意力模块SA，通过调节权重来区分特征的重要程度，从空间维度和通道维度上专注于关键区域的特征，抑制背景等不重要特征； 基本卷积块：具体包括一个3×3卷积层、一个批量归一化Bn层和一个激活函数ReLU组成，图像特征数据在经过基本卷积块时会依次进行图像特征的特征提取，提取输入图片的信息、批量归一化更改数据分布，避免模型过拟合、激活判定增加非线性，避免模型过拟合； （2）LSCU-net神经网络模型的bottleneck层引入双向长短期记忆模块Bi-LSTM，加强U-net对肺栓塞切片间序列信息的利用，具体结构为： 在encorder模块多次使用CBAM-Conv模块和2×2最大池化对肺栓塞数据集特征提取后，将所得到的张量数据引入到Bi-LSTM模块中，并通过一个L2Norm输出； 在Bi-LSTM中：Bi-LSTM模块为双向长短期记忆模块，该模块即为前向的LSTM和后向的LSTM的结合，而单向的LSTM模块，具体结构组成为遗忘门、记忆门、输出门，图像特征数据输入到LSTM模块后，首先会与上一时间状态下的输入数据进行特征维度上的特征融合add，然后将图像特征数据输入到遗忘门，数据会经过一个sigmoid激活函数后，与LSTM模块中的用来学习长期依赖信息的CELL细胞状态进行叉乘，以进行CELL细胞状态的遗忘，遗忘无效信息，之后图像特征数据进入记忆门，分别通过sigmoid和tanh激活函数之后，进行叉乘，再与CELL细胞状态进行特征维度上的特征融合add，记忆图像特征数据中的重要信息，最后将图像特征数据输入到输出门，图像特征数据和CELL细胞状态分别通过sigmoid和tanh激活函数之后叉乘，得到最终输出的图像特征数据； Bi-LSTM模块将双向的上一时刻的细胞的状态传递到下一时刻的细胞状态，达到序列信息的学习和记忆目的，同时避免神经网络梯度消失，而L2Norm模块通过L2正则化，实现图像特征数据的特征归一化，简化模型，避免模型的过拟合。

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”。