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！

龙图腾网恭喜华南理工大学申请的专利基于上下文注意力和特征融合的CT图像肺动脉分割方法及系统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：CN117593518B 。

龙图腾网通过国家知识产权局官网在2025-04-04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：202311359989.0，技术领域涉及：G06V10/26；该发明授权基于上下文注意力和特征融合的CT图像肺动脉分割方法及系统是由李昱昊;许洁斌设计研发完成，并于2023-10-19向国家知识产权局提交的专利申请。

本基于上下文注意力和特征融合的CT图像肺动脉分割方法及系统在说明书摘要公布了：本发明公开了一种基于上下文注意力和特征融合的CT图像肺动脉分割方法及系统，该方法包括下述步骤：在训练阶段获取原始的CT图像并进行图像预处理，提取图像区块，构建并训练基于上下文注意力和特征融合的3DU‑Net网络，在推理阶段获取待推理的CT图像并进行图像预处理，提取图像区块，记录区块所属的CT图像和在CT图像中的位置，基于训练后的3DU‑Net网络得到肺动脉分割预测值，将属于同一个CT的所有图像区块的肺动脉分割预测值组合起来得到CT图像整体的肺动脉分割预测值，使用硬分割处理后提取肺动脉最大连通分量得到分割结果，本发明能更好地提取肺动脉的关键特征，缓解类别不平衡问题，提高分割准确性。

本发明授权基于上下文注意力和特征融合的CT图像肺动脉分割方法及系统在权利要求书中公布了：1.一种基于上下文注意力和特征融合的CT图像肺动脉分割方法，其特征在于，包括下述步骤：训练阶段：获取原始的CT图像，识别出原始的CT图像中的肺部区域，并裁剪掉肺部区域以外的部分，对CT图像进行线性规范化，获取CT图像真实的肺动脉标签；在CT图像中的肺部区域中以设定的步长及窗口大小滑动提取图像区块；构建基于上下文注意力和特征融合的3DU-Net网络，将图像区块输入到3DU-Net网络进行网络训练，得到图像区块对应的肺动脉分割的预测值；网络训练时，使用图像区块的肺动脉分割的预测值和真实的肺动脉标签，基于分组监督和混合损失函数计算损失，使用反向传播方法更新网络参数，重复迭代训练直至达到收敛条件，训练完成；所述使用图像区块的肺动脉分割的预测值和真实的肺动脉标签，基于分组监督和混合损失函数计算损失，具体步骤包括：获取训练阶段网络输出编码器组的肺动脉分割预测值p0和解码器组的肺动脉分割预测值p1，使用混合损失函数计算损失并求和，表示为：Loss＝HyperLossp0,gt+HyperLossp1,gtHyperLosspi,gt＝Focalpi,gt+λTverskypi,gt其中，gt表示对应的真实的肺动脉标签，HyperLoss是采用RootTverskyLoss和FocalLoss的混合损失函数作为网络训练时的损失函数，λ是用于平衡两种损失的系数；FocalLoss的表达式为：Focalpred,gt＝∑i-ηt,i1-pt,iγlogpt,i 其中，gi表示体素i的真实标签，pi表示体素i的预测值，η表示用于调整不同类别样本权重的超参数，γ表示用于调节难易样本权重的超参数；RootTverskyLoss的表达式为： 其中，α、β表示分别用于平衡准确度和召回率的超参数，r表示用于调整对难预测体素的关注度的系数，0r1；推理阶段：获取待推理的CT图像，识别出待推理的CT图像中的肺部区域，对CT图像进行线性规范化；在CT图像中的肺部区域中以设定的步长及窗口大小滑动提取图像区块，记录区块所属的CT图像和在CT图像中的位置；将图像区块输入到训练后的3DU-Net网络中，得到肺动脉分割预测值；获取各个区块所属的CT图像和在CT图像中的位置，将属于同一个CT的所有图像区块的肺动脉分割预测值组合起来得到CT图像整体的肺动脉分割预测值，使用硬分割处理后得到二值化分割结果，对于肺动脉提取最大连通分量，作为最终的CT图像肺动脉分割结果。

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华南理工大学，其通讯地址为：510640 广东省广州市天河区五山路381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”。