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！

龙图腾网恭喜脉得智能科技(无锡)有限公司申请的专利一种基于超声视频数据的甲状腺腺体实时分割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：CN118628735B 。

龙图腾网通过国家知识产权局官网在2025-04-18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：202410667117.9，技术领域涉及：G06V10/26；该发明授权一种基于超声视频数据的甲状腺腺体实时分割系统是由石一磊;赵星;胡敬良;牟立超;侯雨;陈咏虹设计研发完成，并于2024-05-27向国家知识产权局提交的专利申请。

本一种基于超声视频数据的甲状腺腺体实时分割系统在说明书摘要公布了：本发明公开了一种基于超声视频数据的甲状腺腺体实时分割系统，涉及人工智能及超声图像分析技术领域，通过收集满足图像质量要求的甲状腺超声视频数据集，对视频帧进行标注，并将数据集划分为训练集和测试集；使用深度学习框架构建甲状腺腺体分割神经网络模型；设置神经网络模型的超参数并使用训练集视频数据训练构建的神经网络模型，训练完成之后保存模型；将训练完成的模型部署到分割装置上，利用该装置即可对采集卡采集的甲状腺超声视频数据进行实时分割，利用该方法得到的模型拥有精确度高、泛化性能好的优点，可以对甲状腺超声视频数据实现快速准确的分割。

本发明授权一种基于超声视频数据的甲状腺腺体实时分割系统在权利要求书中公布了：1.一种基于超声视频数据的甲状腺腺体实时分割系统，其特征在于：包括视频数据收集模块，用于收集甲状腺超声视频数据，通过图像模糊和图像噪声两种图像质量评价方法对所有视频数据进行筛选，并对筛选后的数据进行标注；神经网络模型构建模块，用于使用深度学习框架构建甲状腺腺体分割神经网络模型，甲状腺腺体分割神经网络模型包括先前视频帧特征提取网络模型和当前帧分割网络模型，先前视频帧特征提取网络模型用于融合当前帧先前连续的三帧超声图像的特征，输出预测的当前帧超声图像及中间特征图；当前帧分割网络模型用于输出分割图；神经网络模型训练模块，用于设置甲状腺腺体分割神经网络模型的超参数并对神经网络模型进行训练，确定最优模型的参数，训练完成之后保存最优模型；分割结果输出模块，用于将甲状腺超声视频数据输入到最优模型中，输出甲状腺腺体分割结果，并根据分割结果在超声视频上实时显示甲状腺腺体的位置轮廓；神经网络模型构建模块中，先前视频帧特征提取网络模型融合当前帧先前连续的三帧超声图像的特征的方法包括以下步骤B1、通过三个卷积神经网络CNN1、CNN2以及CNN3分别对当前帧先前连续的三帧超声图像进行特征提取，并将三个卷积神经网络的输出特征按通道进行拼接，得到特征向量feature；B2、将特征向量feature输入到生成网络模型Generator中，输出预测的当前帧超声图像image′；B3、将当前帧的预测图像image′和当前帧的真实图像image分别输入到鉴别网络模型Discriminator中，鉴别网络模型Discriminator的输出为判断输入图像是否为真的概率值；B4、分别对生成网络模型Generator和鉴别网络模型Discriminator进行训练；B5、将特征向量feature输入卷积神经网络CNN5，输出融合了当前帧先前连续的三帧超声图像特征的特征图，卷积神经网络CNN5由两个串联的卷积组成，两个卷积的步长都设为1；步骤B2中，生成网络模型Generator由卷积层、上采样层、批归一化层以及激活函数组成，其中通过上采样层将特征图的分辨率逐一放大，最后达到输入超声图像的分辨率，并在上采样过程中使用含大小值裁剪的线性插值来实现特征图的平滑过渡；激活函数除最后一层卷积后面使用Tanh激活函数以外，其余卷积后面全部使用LeakyRelu激活函数；步骤B3中，鉴别网络模型Discriminator的输入为当前帧的真实图像image或生成网络模型Generator生成的当前帧的预测图像image′，输出为判断输入图像是否为真的概率值；鉴别网络模型Discriminator由卷积层、归一化层、全连接层以及激活函数组成，其中通过步长为2的卷积使特征图的分辨率逐渐降低；激活函数除最后一层卷积后面使用Sigmoid函数以外，其余卷积后面全部使用LeakyRelu激活函数；神经网络模型训练模块中，利用训练集数据对甲状腺腺体分割神经网络模型进行训练，训练过程中使用Adam优化器，Adam优化器公式如下：vt＝β2vt-1+1-β2gt2mt＝β1mt-1+1-β1gt 其中，gt表示t时刻的梯度；mt表示t时刻的梯度指数移动平均数，初始值m0＝0；vt表示t时刻的梯度平方指数移动平均数，初始值v0＝0；η表示学习率；ε＝10-8，用于避免除数为0；θt表示t时刻的模型参数，θt-1表示t-1时刻的模型参数；对训练过程中产生的模型，使用测试集数据对其进行评估，综合模型训练的损失值和在测试集上的准确率，确定最优模型的参数。

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脉得智能科技(无锡)有限公司，其通讯地址为：214091 江苏省无锡市滨湖区马山梅梁路88号二楼西；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”。