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！

龙图腾网获悉哈尔滨工业大学申请的专利一种基于离散小波变换和边缘特征的半监督甲状腺超声图像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：CN116740100B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202310405975.1，技术领域涉及：G06T7/12；该发明授权一种基于离散小波变换和边缘特征的半监督甲状腺超声图像分割方法是由李丹丹;姜宇;金晶;沈毅设计研发完成，并于2023-04-17向国家知识产权局提交的专利申请。

本一种基于离散小波变换和边缘特征的半监督甲状腺超声图像分割方法在说明书摘要公布了：本发明提出一种基于离散小波变换和边缘特征的半监督甲状腺超声图像分割方法。该方法包括五个步骤：1图像预处理；2基于卷积和小波变换的特征提取；3基于Mean‑Teacher构建半监督深度学习模型；4基于凸度的边缘特征评估；5基于主动轮廓的边缘特征评估。本发明利用小波变换抑制超声图像斑点噪声，解决甲状腺超声图像斑点噪声的问题，利用凸度损失函数和主动轮廓损失函数对半监督语义分割边缘特征进行评估，能够高精度地从超声图像中对甲状腺器官进行分割。

本发明授权一种基于离散小波变换和边缘特征的半监督甲状腺超声图像分割方法在权利要求书中公布了：1.一种基于离散小波变换和边缘特征的半监督甲状腺超声图像分割方法，其特征在于：所述方法包括如下步骤： 步骤一：ROI的选择和预处理，ROI的尺寸大小设置为224*224，在选择ROI时选择甲状腺区域突出、纹理清晰的部分，并选择均匀、能突出甲状腺实质特点的部分，将ROI图像的灰度值映射到0-255之间； 步骤二：基于卷积和小波变换的特征提取； 步骤三：基于Mean-Teacher构建半监督深度学习模型； 步骤四：基于凸度的边缘特征评估； 在步骤四中，凸度是图像对象与凸包不同的相对量，可以通过形成物体凸包的周长与物体本身周长的比率来获得凸度的度量： 凸度越接近1，图像边界越平滑，凸度越接近0，图像边界毛刺越多； 定义损失函数ConvexityLoss： ConvexityLoss=|MeanConvexity-Convexity| =|MeanConvexity-| 其中MeanConvexity是所有甲状腺超声图像标签凸度的平均值，近似作为甲状腺凸度的标准值； 所述步骤四具体为： （1）计算甲状腺质心坐标； （2）将标注图像分为质心以上和质心以下两部分； （3）初始化一个空列表BoundList； （4）对质心以上的每一列像素，从左至右遍历，找到属于甲状腺边界的像素点，计算该点与质心的距离，并将距离添加到BoundList； （5）对质心以下的每一列像素，从右至左遍历，找到属于甲状腺边界的像素点，计算该点与质心的距离，并将距离添加到BoundList； （6）初始化凹凸度计数器为0； （7）遍历BoundList，找到凸点和凹点，如果一个元素的左右元素都小于该元素，则为凸点；如果都大于该元素，则为凹点，每当凹凸度发生变化时，计数器加一； （8）计算凸度：将计数器的值除以BoundList的长度； 步骤五：基于主动轮廓的边缘特征评估； 在步骤五中，引入了二维主动轮廓损失函数，其定义如下： Loss AC=Length+λ·Region Length= Region= 于是，Length和Region可以分别写成pixel-wise方式如下： Length= Region=。

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哈尔滨工业大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92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”。

以上内容由龙图腾AI智能生成。