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！

龙图腾网恭喜浙江大学申请的专利一种基于深度学习从心脏磁共振图像序列中直接划定心肌梗死区域的方法及装置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：CN115349845B 。

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：202211116415.6，技术领域涉及：A61B5/055；该发明授权一种基于深度学习从心脏磁共振图像序列中直接划定心肌梗死区域的方法及装置是由余成进;石润州;王付言;蒲彩玲;胡红杰;宁高宁;刘华锋设计研发完成，并于2022-09-14向国家知识产权局提交的专利申请。

本一种基于深度学习从心脏磁共振图像序列中直接划定心肌梗死区域的方法及装置在说明书摘要公布了：本发明公开了一种基于深度学习从心脏磁共振图像序列中直接划定心肌梗死区域的方法及装置，结合深度学习，即通过U‑Net结构进行心肌分割，融合运动特征与像素特征，最后通过ConvLSTM结构来学习特征，得到心肌梗死范围。此方法普适性强，对同一患者不同心肌截面均可工作，具有较高的准确率和分割精度，计算要求低，时间效率高，并且不需要造影剂，可以广泛用于临床，是一种高准确率的无造影剂心肌梗死区域分割技术，可以避免钆造影剂对人体脏器的伤害，尤其适用于肾病患者，无需复杂的建模和数学计算，节省了时间，且具有更好的普适性和实用性。

本发明授权一种基于深度学习从心脏磁共振图像序列中直接划定心肌梗死区域的方法及装置在权利要求书中公布了：1.一种基于深度学习从心脏磁共振图像序列中直接划定心肌梗死区域的方法，其特征在于，包括：获得心脏核磁共振电影序列，通过U-Net模型分割心脏核磁共振成像CMRI电影序列中每一帧的心肌内膜与心肌外膜；将分割好的每一帧的心肌内膜与心肌外膜二值化，得到心肌边界，提取每一帧的运动特征与像素特征，将其拼接融合，存入二维的特征矩阵中；标注二维的特征矩阵中对应序列的有钆造影剂的LGE图片的梗死区域，转化成1×120的向量作为心肌梗死区域标签；基于获得的二维特征矩阵和对应的心肌梗死区域标签，构建以ConvLSTM为核心的神经网络模型，所述的以ConvLSTM为核心的神经网络模型包括ConvLSTM层、卷积层、展开层、全连接层；以ConvLSTM为核心的神经网络模型中训练时，将模型输出的1×120的向量与真实心肌梗死区域标签进行对比，并使用二元交叉熵“binary_crossentropy”作为损失函数；使用“Adam”优化器对网络进行迭代训练，优化网络参数，当训练结束时，在测试集上检测精度，保存准确率最高的模型；所述的提取每一帧的运动特征具体为：提取心肌外膜边界的中点为整张图的中心点，以3度的角度间隔从中心点向外做射线，取其与心肌内膜和心肌外膜边界的交点，得到120个方向的内外膜交点坐标；所提取的运动特征为：1内膜交点与图中心点x轴的坐标差值x1，y轴坐标差值y1，距离2外膜交点与图中心点x轴坐标差值x2，y轴坐标差值y2，距离3内外膜之间的交点x轴坐标差值x3，y轴坐标差值y3，距离4内膜交点与其逆时针相邻点x轴坐标差值x4，y轴坐标差值y4，距离 5外膜交点与其逆时针相邻点x轴坐标差值x5，y轴坐标差值y5，距离 通过U-Net模型分割心肌内膜与心肌外膜，对心肌进行运动特征和灰度特征信息的提取，以ConvLSTM为核心的神经网络的搭建，神经网络的训练与心肌梗死区域的呈现技术；所述的提取每一帧的像素特征具体为：取内外膜与外膜对应角度的点，取其中点O，将点O周围25个的像素矩阵取出；所述的拼接融合为将心肌像素特征展开成一维向量，拼接到心肌运动特征下面；所述的标注二维的特征矩阵中对应序列的有钆造影剂的LGE图片的梗死区域，转化成1×120的向量作为心肌梗死区域标签具体为：先在医生指导下在LGE图片上标记出像素级心肌梗死范围，之后以外膜中心点为中心，3度的角度间隔向外做射线，将心肌等角度分成了120份，将像素级心肌梗死范围，对应到被等分成120份的每一份心肌中是否有心肌梗死，无梗死标记为0，有梗死标记为1，从而转化成1×120的向量作为心肌梗死区域标签。

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大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。