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！

龙图腾网获悉上海成电福智科技有限公司申请的专利基于自监督学习的多模态脑肿瘤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：CN115841464B 。

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：202211487794.X，技术领域涉及：G06T7/00；该发明授权基于自监督学习的多模态脑肿瘤影像分割方法是由邓建华;吴春江;周锦霆;刘裕;祝睿;刘埙乐设计研发完成，并于2022-11-25向国家知识产权局提交的专利申请。

本基于自监督学习的多模态脑肿瘤影像分割方法在说明书摘要公布了：本发明公开了一种基于自监督学习的多模态脑肿瘤影像分割方法，包括获取多模态MRI图像集，MRI图像集包含多张脑肿瘤的病例图像，每张病例图像对应一分割标签，且包括四种模态影像；搭建自监督学习的多模态脑肿瘤影像分割网络，包括特征提取单元、全局特征建模单元、解码单元，全局特征建模单元采用跨像素Transformer模型，训练时，先预训练全局特征建模单元再训练整体的自监督学习的多模态脑肿瘤影像分割网络，最后用训练好的模型对肿瘤图像进行分割。本发明可以充分捕捉医疗影像中的局部特征和全局特征，且计算量仅为原始结构的14，准确率高。

本发明授权基于自监督学习的多模态脑肿瘤影像分割方法在权利要求书中公布了：1.一种基于自监督学习的多模态脑肿瘤影像分割方法，其特征在于：包括以下步骤； 1获取多模态MRI图像集，包含多张脑肿瘤的病例图像，每张病例图像对应一分割标签，且包括四种模态影像，分别为Flair、T1、T1ce、T2； 2搭建自监督学习的多模态脑肿瘤影像分割网络； 所述自监督学习的多模态脑肿瘤影像分割网络包括特征提取单元、全局特征建模单元、解码单元； 所述特征提取单元包括四个多尺度特征提取模块和一特征融合模块；病例图像的四种模态影像分别经四个多尺度特征提取模块进行特征提取，得到四个与模态影像对应的多尺度特征图，再经特征融合模块融合得到融合特征图； U-net卷积神经网络包括全局特征建模单元和解码单元； 所述全局特征建模单元包括从上到下依次连接的四个跨像素Transformer模型，且最上方的跨像素Transformer模型输入与特征融合模块的输出相连； 所述跨像素Transformer模型包括特征图采样单元、Transformer模型、特征图合并单元和卷积层，其中，所述特征图采样单元用于对输入的特征图进行等间隔取样，得到四个子特征图，所述Transformer模型采用全局注意力建机制分别对四个子特征图进行特征提取，得到四个子全局注意力特征图，所述特征图合并单元用于将四个子全局注意力特征图合并，得到跨像素特征图，所述跨像素特征图尺寸与特征图采样单元输入的特征图尺寸相同，所述卷积层用于对跨像素特征图下采样，输出全局特征图； 则四个跨像素Transformer模型从上到下依次输出第一全局特征图到第四全局特征图； 所述全局特征建模单元与解码单元构成一U-net卷积神经网络，并由第一全局特征图到第四全局特征图作为U-net卷积神经网络编码部分的四个输出； 3训练自监督学习的多模态脑肿瘤影像分割网络； 31预训练全局特征建模单元； 以将多模态MRI图像集中的单个模态影像作为输入，单个模态影像的模态类别作为输出，训练全局特征建模单元，得到训练好的全局特征建模模型； 32将多模态MRI图像集中的病例图像依次送入自监督学习的多模态脑肿瘤影像分割网络，以其分割标签为期望输出，训练自监督学习的多模态脑肿瘤影像分割网络，得到训练好的分割模型； 4将待分割的肿瘤图像送入训练好的分割模型，输出其分割结果。

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上海成电福智科技有限公司，其通讯地址为：201306 上海市浦东新区中国(上海)自由贸易试验区临港新片区环湖西二路888号C楼；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。