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！

龙图腾网获悉武汉大学申请的专利一种脑卒中病灶区域图像分割方法及计算机可读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：CN116993757B 。

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：202310849917.8，技术领域涉及：G06T7/11；该发明授权一种脑卒中病灶区域图像分割方法及计算机可读介质是由蔡贤涛;孙靖然;冯盼设计研发完成，并于2023-07-11向国家知识产权局提交的专利申请。

本一种脑卒中病灶区域图像分割方法及计算机可读介质在说明书摘要公布了：本发明提出了一种脑卒中病灶区域图像分割方法及计算机可读介质。本发明获取多幅原始脑卒中磁共振图像，依次进行预处理处理得到每幅预处理后图像，并标记对应的真实分类标签；构建病灶图像分割网络，将每幅预处理后图像输入至病灶图像分割网络进行病灶分割预测，得到每幅预处理后图像的脑卒中预测概率图，结合每幅预处理后图像的每个像素脑卒中病灶的真实分类标签，构建交叉熵戴斯加权损失函数，通过随机梯度下降算法优化训练得到训练后病灶图像分割网络；将实时采集的脑卒中磁共振图像通过训练后病灶图像分割网络进行预测分割以及概率阈值判断，得到实时的脑卒中病灶区域像素范围。本发明提高了脑卒中病灶像素区域分割预测的准确度。

本发明授权一种脑卒中病灶区域图像分割方法及计算机可读介质在权利要求书中公布了：1.一种脑卒中病灶区域图像分割方法，其特征在于： 构建病灶图像分割网络，将每幅预处理后图像输入至病灶图像分割网络进行预测以构建交叉熵戴斯加权损失函数，通过随机梯度下降算法优化训练得到训练后病灶图像分割网络；所述病灶图像分割网络包括：交叉双分支编码网络、特征融合网络、解码器网络；所述的交叉双分支编码网络、特征融合网络、解码器网络依次连接；所述交叉双分支编码网络，将每幅预处理后图像进行特征提取处理，得到每幅预处理后图像的局部特征、每幅预处理后图像的全局特征，将每幅预处理后图像的局部特征、每幅预处理后图像的全局特征输出至所述特征融合网络；所述特征融合网络，将每幅预处理后图像的局部特征、每幅预处理后图像的全局特征进行特征融合处理，得到每幅预处理后图像的融合后特征，并输出至所述解码器网络；所述解码器网络，将每幅预处理后图像的融合后特征进行，得到每幅预处理后图像的预测病灶区域分割图像； 所述交叉双分支编码网络包括：CNN编码网络、SwinTransformer编码网络构成； 所述CNN编码网络与所述SwinTransformer编码网络； 所述CNN编码网络包括： 第1个CNN编码模块、第2个CNN编码模块、...、第K个CNN编码模块； 所述第1个CNN编码模块由多层卷积模块、池化层构成； 所述第k个CNN编码模块由多层卷积模块构成，k∈[2,K]； 所述SwinTransformer编码网络包括： 第1个SwinTransformer网络编码模块、第2个SwinTransformer网络编码模块、...、第K个SwinTransformer网络编码模块； 所述第1个SwinTransformer网络编码模块由分割图像块层、线性嵌入层、STrans模块依次级联构成； 所述第k个SwinTransformer网络编码模块由图像块合并层、线性嵌入层、STrans模块依次级联构成，k∈[2,K]； 所述特征融合网络包括： 第1个特征融合模块、第2个特征融合模块、...、第K个特征融合模块； 所述第k个特征融合模块由维度转换模块、特征拼接模块、多层卷积模块依次级联构成，k∈[1,K]； 所述解码器网络包括： 第1个上采样模块、第2个上采样模块、...、第K个上采样模块； 所述的第1个上采样模块、第2个上采样模块、...、第K个上采样模块依次级联构成； 所述第k个上采样模块由上采样层、拼接层、卷积层依次级联构成，通过训练后病灶图像分割网络进行预测分割得到实时脑卒中磁共振图像的脑卒中预测概率图，进一步结合概率阈值判断得到实时脑卒中磁共振图像的脑卒中病灶区域像素范围。

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武汉大学，其通讯地址为：430072 湖北省武汉市武昌区八一路299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”。