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一种基于NGA-RSF模型的CT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：CN115564758B 。

龙图腾网通过国家知识产权局官网在2026-01-16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：202211308439.1，技术领域涉及：G06T7/00；该发明授权一种基于NGA-RSF模型的CT图像分割方法是由蔡玉芳;王涵;李琦;王小军设计研发完成，并于2022-10-25向国家知识产权局提交的专利申请。

本一种基于NGA-RSF模型的CT图像分割方法在说明书摘要公布了：本申请提供一种基于NGA‑RSF模型的CT图像分割方法，步骤为：1获取待分割的CT图像，对待分割的CT图像进行预处理；2构建联合自然梯度和AdamW算法的RSF图像分割模型NGA‑RSF，设置NGA‑RSF模型的目标函数和初始参数，所述初始参数包括迭代停止条件、AdamW参数控制条件、AdamW算法自适应调整参数、图像分割模型参数；3将预处理后的CT图像输入NGA‑RSF模型中，迭代更新水平集函数；4当迭代过程达到迭代停止条件后，将水平集函数的零水平集作为分割结果。本发明能够有效处理灰度不均匀图像和弱边缘图像，并获得较为准确的亚像素级分割结果；与经典RSF模型相比，既保持了原模型亚像素分割精度，又大幅提高了模型收敛速度和鲁棒性。

本发明授权一种基于NGA-RSF模型的CT图像分割方法在权利要求书中公布了：1.一种基于NGA-RSF模型的CT图像分割方法，其特征在于，具体步骤为： 1获取待分割的CT图像，对待分割的CT图像进行预处理； 2构建联合自然梯度和AdamW算法的RSF图像分割模型NGA-RSF，设置NGA-RSF模型的目标函数和初始参数，所述初始参数包括迭代停止条件、AdamW参数控制条件、AdamW算法自适应调整参数、图像分割模型参数； 3将预处理后的CT图像输入NGA-RSF模型中，迭代更新水平集函数； 4当步骤3的迭代过程达到迭代停止条件后，将水平集函数的零水平集作为分割结果； 步骤2中NGA-RSF模型的目标函数包括AdamW算法的目标函数，所述AdamW算法的目标函数为迭代前后水平集矩阵的L2范数的比值： 式中，为第次迭代后的水平集矩阵，为第次迭代后的水平集矩阵； 所述迭代停止条件为：次迭代前后水平集矩阵的L2范数比值之差绝对值的上界小于预设阈值： 式中，为第次迭代后的水平集矩阵的L2范数比值，为第次迭代后的水平集矩阵的L2范数比值，为迭代停止条件的预设阈值； 所述AdamW参数控制条件为：迭代次数大于初始迭代次数或者次迭代前后的水平集矩阵的L2范数比值之差的绝对值的上界大于预设阈值： 式中，为AdamW参数控制阈值，当满足AdamW参数控制条件时，则采用AdamW算法对RSF迭代步长进行自适应控制，从而减少卷积运算次数，提升运算效率； 所述AdamW算法自适应调整参数包括学习率，当前估计的指数衰减率，权重衰减因子，迭代系数，一阶矩动量，二阶矩动量，初始化时间步长，迭代初始核参数，常数； 所述图像分割模型参数包括模型正则项系数，模型长度项系数，初始水平集为二进制阶跃函数的幅值，轮廓内外能量拟合项的系数和，模型时间步长，模型的迭代次数，函数与函数中参数，RSF模型高斯核函数尺寸及其参数控制前的初始迭代次数； 步骤3中迭代更新水平集函数的具体步骤为： 3-1将预处理后的CT图像输入区域可扩展拟合RSF模型中； 3-2利用自然梯度对RSF模型进行参数空间优化，得到满足迭代条件的下降流方程，并开始迭代； 3-3判定迭代后的水平集矩阵是否满足停止迭代条件，若满足，则转至步骤4；若不满足，则转至步骤3-4； 3-4判定迭代后的水平集矩阵是否满足AdamW参数控制条件，若满足，则通过AdamW算法迭代更新RSF模型中高斯核函数尺度，从而优化RSF模型的参数空间和参数自适应控制，并返回步骤3-2进行下一次迭代；若不满足，则直接返回步骤3-2进行下一次迭代； 步骤3-2中利用自然梯度对区域可扩展拟合RSF模型进行参数空间优化的具体方法为： 所述自然梯度是依据MarceloPereyra的黎曼最速下降法，先利用信息几何获取与活动轮廓相关的统计流形，然后在统计流形上求解自然梯度： 采用正定矩阵对梯度进行优化，通过内积直接在空间上求水平集函数的梯度，设流行空间是由参数化的统计流形，其的概率密度函数为： 式中，为指数族概率密度函数，和分别是与图像前景和背景相关的统计参数，流行空间上的点表示随机变量的概率分布为，由前景和背景构成； 根据依据MarceloPereyra的通用黎曼最速下降法可知，计算能量最小化与计算给定的最大似然估计量的意义相同，采用具有黎曼度量张量的Fisher信息矩阵来度量流行空间M上和另一点之间的距离： 得到在流形空间上能量的最陡下降梯度流为： 式中，表征能量在黎曼流形空间的自然梯度，表示相对于的概率分布的变化，为时间步长； 将RSF模型的水平集能量拟合函数的正则项带入最陡下降梯度流中，得到以下水平集迭代方程： 其中： 式中，表示第次迭代的水平集函数，为时间步长，是Fisher信息矩阵，为狄拉克三角函数的正则化函数，为Heaviside函数的正则化函数，分别为轮廓内外能量拟合项的系数，表示模型的正则项系数，表示模型的长度项系数，表示轮廓两侧图像强度近似拟合函数； 通过以上计算，得到最终满足迭代条件的下降流方程： 为RSF模型的高斯核函数，表达式为： 。

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”。

以上内容由龙图腾AI智能生成。