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！

龙图腾网获悉浙江萧山医院申请的专利一种肝脏CT图像连续性间断动态成像信息融合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：CN115564742B 。

龙图腾网通过国家知识产权局官网在2026-01-23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：202211274184.1，技术领域涉及：G06T7/00；该发明授权一种肝脏CT图像连续性间断动态成像信息融合方法是由应晓波;黄冬冬;张传领设计研发完成，并于2022-10-18向国家知识产权局提交的专利申请。

本一种肝脏CT图像连续性间断动态成像信息融合方法在说明书摘要公布了：本发明公开了一种肝脏CT图像连续性间断动态成像信息融合方法，结合机器学习算法，通过提取识别特征点对图像进行筛选及特征分割，获取出动态变化曲线图及标准浮动线，构建出动态变化曲线图的最大损失差值及最小损失差值，建立损失差值允许范围，获取动态变化期内最小值及最大值，以最大值为依据，判断阈值差异性，实现对肝脏CT图像的融合图像概率分析，解决了现有肝变诊疗过程中医生的工作量大，评估效率偏低且解析出的病变信息不够全面，很容易忽视掉其中的关键特征点，从而造成诊疗难度上升的问题。

本发明授权一种肝脏CT图像连续性间断动态成像信息融合方法在权利要求书中公布了：1.一种肝脏CT图像连续性间断动态成像信息融合方法，其特征在于，包括： 采集预设期间内肝脏CT图像，包括，CT成像，采集当前期的所述肝脏CT图像；分析当前期的所述肝脏CT图像，确定图像采集的期数；采集完成预设期间内的所有所述肝脏CT图像，并进行层间对齐处理；引入肝脏图像识别特征，构造识别目标函数，提取出所有所述肝脏CT图像的识别特征区； 提取所有所述肝脏CT图像中的识别特征点，并依据提取的识别特征点对所述肝脏CT图像进行特征分割，包括，构建维度信息融合平面模型；利用XGBoost模型算法构建识别模型，识别出正常肝脏CT图像的识别特征区及识别特征点；以识别特征点为特征分割中心点，对应的识别特征区为第一范围区，正常肝脏CT图像的识别特征区为第二范围区，该识别特征点与正常肝脏CT图像的识别特征点融合连接对所述第一范围区及所述第二范围区进行特征分割；获取特征分割后的特征识别区，并依据利用XGBoost模型算法构建识别模型获取该特征识别区的特征识别点； 对比分割后的所述肝脏CT图像，提取出具有动态变化的所述肝脏CT图像，包括：构建坐标信息融合平面模型；将各CT图像特征分割后的特征识别点输入至所述坐标信息融合平面模型中，所述坐标信息融合平面模型中，以平滑曲线连接提取出的特征识别点，从而获取排列的所述肝脏CT图像的动态变化曲线图；所述坐标信息融合平面模型中均值化处理输入的特征识别点，获取所述动态变化曲线图的标准浮动线；依据采集的时间顺序对输入的特征识别点一一连接；获取各段斜率值，并定义所述斜率值不属于-1,1时当前张所述肝脏CT图像相较于前一张所述肝脏CT图像具有动态变化，将当前张所述肝脏CT图像提取；以及对提取出的所述肝脏CT图像进行时间对齐排列； 获取排列的所述肝脏CT图像的动态变化曲线图； 获取所述动态变化曲线图的标准浮动线； 以所述标准浮动线为基准，构建所述动态变化曲线图的最大损失差值及最小损失差值，建立损失差值允许范围，其中，通过以下公式获取所述动态变化曲线图的最大损失差值及最小损失差值， 其中，为最大损失差值；为最小损失差值；H为损失差值允许范围；Y为坐标信息融合平面模型的纵向位坐标值； 获取动态变化期内最小值及最大值，并当所述最大值达到阈值时，定义达到肝变警示线，实现对肝脏CT图像的融合图像概率分析，其中，通过以下公式获取动态变化期内最小值及最大值， 其中，n为第n肝脏CT图像；ymin为动态变化期内最小值；ymax为动态变化期内最大值；为最大损失差值；为最小损失差值；Y为坐标信息融合平面模型的纵向位坐标值； 并对计算出的所述动态变化期内最小值及所述动态变化期内最大值进行训练，定义所述动态变化期内最小值及所述动态变化期内最大值均需满足所述损失差值允许范围为训练合格，否则重复所述动态变化期内最小值及所述动态变化期内最大值的筛选再次计算。

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浙江萧山医院，其通讯地址为：311200 浙江省杭州市萧山区育才北路728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。