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！

龙图腾网获悉重庆大学申请的专利基于联邦学习的频域自适应CT肺结节影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：CN119579612B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202411501910.8，技术领域涉及：G06T7/10；该发明授权基于联邦学习的频域自适应CT肺结节影像分割方法是由谢今;赵明珠;聂晶;徐荣华;周伟健设计研发完成，并于2024-10-25向国家知识产权局提交的专利申请。

本基于联邦学习的频域自适应CT肺结节影像分割方法在说明书摘要公布了：本发明涉及一种基于联邦学习的频域自适应CT肺结节影像分割方法，属于图像处理技术领域，包括以下步骤：S1：对CT肺结节影像数据进行数据准备、数据标注、数据处理、数据增强和数据集划分；S2：构建基于联邦学习的频域自适应CT肺结节影像分割模型FASNet；S3：对所述基于联邦学习的频域自适应CT肺结节影像分割模型FASNet进行训练、验证并测试；S4：利用训练好的基于联邦学习的频域自适应CT肺结节影像分割模型FASNet进行CT肺结节影像分割。

本发明授权基于联邦学习的频域自适应CT肺结节影像分割方法在权利要求书中公布了：1.一种基于联邦学习的频域自适应CT肺结节影像分割方法，其特征在于：包括以下步骤： S1：对CT肺结节影像数据进行数据准备、数据标注、数据处理、数据增强和数据集划分； S2：构建基于联邦学习的频域自适应CT肺结节影像分割模型FASNet； S3：对所述基于联邦学习的频域自适应CT肺结节影像分割模型FASNet进行训练、验证并测试； S4：利用训练好的基于联邦学习的频域自适应CT肺结节影像分割模型FASNet进行CT肺结节影像分割； 所述基于联邦学习的频域自适应CT肺结节影像分割模型FASNet包括影像数据重建过程和分割网络；所述影像数据重建过程包含自适应掩码产生器和空间特征提取模块；所述基于联邦学习的频域自适应CT肺结节影像分割模型FASNet的计算流程如下： S21：将CT肺结节影像输入FASNet模型中，通过一个卷积结构粗略提取特征，并使用傅里叶变换将输入影像从空间域转换到频域；再通过一个shift操作对傅里叶变换的结果进行移位，将零频率分量移到中心； S22：通过自适应掩码产生器产生相应的自适应掩码来分离频域的高频信息和低频信息； S23：将所述频域的高频信息和低频信息进行逆移位和逆傅里叶变换，转换回到空间域； S24：使用空间特征提取模块分别对空间域的高频信息和低频信息进行特征提取，将高低频信息按位相加，生成具有独立同分布的重建影像数据； S25：将重建影像数据输入分割网络，输出分割结果； 所述自适应掩码产生器用于生成与图像的高频信息和低频信息相适应的图像掩码，从而分离高频和低频成分，生成自适应掩码的过程如下： 对于输入，首先经过一个卷积核大小为3的卷积层，将输入的三通道影像映射到更高维的维度空间中，对于形状大小为的输入，映射为，得到的特征记为； 再通过傅里叶变换和移位，将空间域的特征转换到频率域，得到的特征记作，表示为： 其中，表示常规的卷积操作，默认卷积核大小为1，表示卷积核大小为3的卷积操作；表示傅里叶变换，为shift移位操作； 计算掩码，掩码区域的高度h_和宽度w_由图像的高度和宽度除以一个常数，再乘以对应的阈值决定，得到的h_和w_再转换为整数； 阈值的计算首先对特征使用自适应平均池化，对特征图的每个通道进行全局平均池化，每个通道池化为一个值，输出尺寸为 ；通过一个卷积核大小为1的卷积层，设置一个压缩率对通道数进行压缩，得到的特征图大小；再经过一个激活函数GELU，将特征映射到非线性空间中；再经过一个卷积核大小为1的卷积层，将通道数进一步压缩为2，得到特征图大小为，最后经过Sigmoid函数，将两个通道的值转化为0,1之间的数值且相加为1，这两个通道的值，就是可学习的自适应阈值；以上过程用公式表示为： 其中，表示自适应平均池化操作，表示GELU激活函数，表示Sigmoid函数，代表阈值，其大小为； 生成阈值之后，计算掩码区域的高度和宽度，公式描述如下： 其中和分别表示阈值的两个通道的值，表示取整操作； 填充掩码矩阵的值，对于大小为的掩码矩阵，将高度方向上从到、宽度方向上从到的区域大小设置为1，剩下的区域填充为0，得到自适应的掩码矩阵，示意如下： 至此，自适应掩码生成器生成了中心区域为1，边缘为0的掩码矩阵，掩码矩阵和中心区域的大小是通过自适应阈值生成； 生成掩码矩阵用于分离频域信息的高频信息和低频信息，具体包括：频域信息先与掩码矩阵M逐位相乘，中心区域内的低频成分被保留，中心区域外的高频成分被去除，从而分离出低频信息；对于高频信息的分离，与掩码矩阵的反向相乘，即乘上1‑M，中心区域内的低频成分被去除，中心区域外的高频成分被提取出来，表示为；分离后的高频信息和低频信息再应用逆移位和逆傅里叶变换，将分离的频域信息分别转回到空间域中，表示为，，公式表示如下： 其中，表示逐位相乘运算，。

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重庆大学，其通讯地址为：400044 重庆市沙坪坝区沙坪坝正街174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”。