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！

龙图腾网获悉东南大学申请的专利一种基于频域信息融合的半监督冠状动脉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：CN118864492B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202410860508.2，技术领域涉及：G06T7/11；该发明授权一种基于频域信息融合的半监督冠状动脉分割方法是由章悦;舒华忠;吴福志;张晨;杨冠羽设计研发完成，并于2024-06-28向国家知识产权局提交的专利申请。

本一种基于频域信息融合的半监督冠状动脉分割方法在说明书摘要公布了：本发明公开了一种基于频域信息融合的半监督冠状动脉分割方法，该方法首先获取冠状动脉计算机断层扫描血管造影CoronaryComputedTomographyAngiography,CCTA图像，将其存储为NIFTI格式；然后对NIFTI格式数据进行手工标注以获取冠状动脉的具体结构，并构建冠状动脉数据集；将冠状动脉数据集输入到基于频域信息融合的半监督分割网络中进行训练，得到训练模型；利用得到的训练模型对新的冠状动脉数据进行预测，获得冠状动脉分割掩模。本发明提出了一种基于频域信息融合的半监督冠状动脉分割方法，能够在少量手工标注的情况下获得高准确率的输出结果，同时解决冠状动脉难分割的问题，本发明能够通过训练好的深度学习分割模型直接得到冠状动脉分割掩膜，为临床医生的影像诊断工作提供了技术支持。

本发明授权一种基于频域信息融合的半监督冠状动脉分割方法在权利要求书中公布了：1.一种基于频域信息融合的半监督冠状动脉分割方法，其特征在于，包括： 1CCTA影像学数据采集及存储：采集病人的CCTA影像DICOM数据，并利用3DSlicer软件将数据存储为NIFTI格式； 2冠状动脉标注及数据集构建：利用3DSlicer软件对采集到的CCTA影像数据进行感兴趣区域提取，并通过手工标注获取CCTA影像数据的冠状动脉结构，将手工标注结果存储为NIFTI格式，将CCTA影像数据与冠状动脉标签共同构成冠状动脉数据集； 3深度学习分割模型训练：将步骤2得到的冠状动脉数据集进行随机划分，将数据平均分为四份，采用四折交叉验证的方式进行训练，依次采用每一份数据作为验证集，余下三份数据作为训练集输入网络，进行四次网络训练使得每一份划分的数据都被验证，从而确保模型评估的准确性，在每一折的训练中仅设置少量CCTA影像数据对应的冠状动脉标签输入网络，其余数据采用无标注形式输入到深度学习分割模型中进行训练； 4冠状动脉分割预测：使用步骤3训练好的分割模型对CCTA影像数据进行冠状动脉分割； 其中，步骤3中的深度学习分割模型包括编码器、解码器、跳跃连接分支、频域信息融合模块、多尺度全局特征感知模块；其中编码器由卷积块和池化层组成，编码器部分共包含5个卷积块和4层池化层，输入网络的图像通过卷积和池化操作得到不同尺度的特征图；编码器和解码器之间使用多尺度全局特征感知模块增强网络对于空间信息和通道信息的捕捉能力，以加强对于全局特征的提取效果；跳跃连接分支用于连接编码器与解码器，将编码器中卷积块提取的特征图与解码器得到的特征图进行拼接，有助于网络增强对不同层次信息的理解能力同时避免深层网络的梯度丢失问题；频域信息融合模块分为高频和低频两个部分，被用于在跳跃连接分支处引入原始图像的频域信息，首先通过小波分解获取原始图像的多尺度低频和高频信息，分别将卷积块获取的卷积特征与小波分解获取的低频特征或高频特征进行融合，随后通过跳跃连接分支分别与后续的解码器部分进行拼接，解码器部分则分为两个不同的分支，每个解码器分支均由4个卷积块和4层上采样层构成，其中解码器一用于接收来自频域信息融合模块低频部分传递的低频融合特征，解码器二用于接收来自频域信息融合模块高频部分传递的高频融合特征，两个解码器的输出最终分别通过输出卷积层转换为两个关注不同频域的预测结果；输入网络的标注数据和无标注数据通过网络预测得到预测结果，其中标注数据得到的预测结果通过softmax函数生成监督概率与真实标签进行对比，用于计算监督损失，无标注数据得到的预测结果则通过softmax函数与argmax函数分别生成无监督概率与伪标签进行交叉损失函数的计算。

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东南大学，其通讯地址为：211102 江苏省南京市江宁区东南大学路2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”。