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！

龙图腾网恭喜东北大学申请的专利一种基于深度学习的CT影像全心脏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：CN114596317B 。

龙图腾网通过国家知识产权局官网在2025-05-06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：202210253312.8，技术领域涉及：G06T7/10；该发明授权一种基于深度学习的CT影像全心脏分割方法是由杨金柱;陈乐;马春燕;黄艳;瞿明军;曹鹏;冯朝路;覃文军;栗伟设计研发完成，并于2022-03-15向国家知识产权局提交的专利申请。

本一种基于深度学习的CT影像全心脏分割方法在说明书摘要公布了：本发明公开了一种基于深度学习的CT影像全心脏分割方法；涉及医学图像领域；在网络编码阶段中引入残差模块，增强了网络捕捉全心脏子结构特征的能力。在解码阶段引入基于注意力机制的多尺度融合模块，该模块在反卷积之后融合多尺度特征并进行特征重利用，更好的融合了低级特征和高级特征。同时将加权交叉熵损失函数和加权DICE损失函数结合解决了类失衡问题，在分割细节上起到了良好的驱动作用。本发明实现方法简单，自动将全心脏分成7个子结构，包括左心房、左心室、左心室心肌、右心房、右心室、肺动脉、升动脉，测试一个数据只需几秒钟，极大的减少了医生投入的时间和学习成本，处理过程不需要人工交互，达到了应用的要求。

本发明授权一种基于深度学习的CT影像全心脏分割方法在权利要求书中公布了：1.一种基于深度学习的CT影像全心脏分割方法，其特征在于：包括以下步骤：步骤1：输入待分割三维医学图像，并根据该图像的大小将其定义为大小为C×H×W3维特征数组，表示为：图像XC×H×W；步骤2：对步骤1中待分割图像进行预处理，作为训练样本；步骤3：建立全心脏分割网络，利用全心脏分割网络编码器生成5种不同深度的特征图Out0，Out1，Out2，Out3，Out4，解码阶段使用基于注意力机制的多尺度融合模块和深度监督模块进行特征还原得到特征图，Y0，Y1，Y2，Y3，Y4；包括以下步骤：步骤3.1：对网络中的编码阶段保留残差网络前四个特征模块，移除最后的全连接层和平均池化层，保留了4个layer层和第一个7×7的卷积层和池化层，每个layer层包含两个残差模块；残差模块使用3×3大小的卷积核进行卷积操作，每一个卷积层后紧跟一个BN层和Relu操作来对所提取的特征进行归一化激活处理；根据步骤1获取的图像X，将图像X经过提取特征操作改变特征图通道数量，经过最大池化操作改变特征图的大小，得到特征图再经过layer层，得到特征图Outi+1，其中i为特征图索引，i＝1,2,3,4，所述Outi+1分别为 步骤3.2：在解码阶段上采样之后添加基于注意力机制的多尺度融合模块，多尺度融合模块包括两个分支，一个分支使用3个3×3大小的卷积进行卷积操作，将三个卷积操作的输出进行特征融合，可以提取不同尺度的空间特征，另一个分支引入1×1的卷积层进一步捕捉额外的空间信息，结合编码阶段得到的特征图Out0～Out4，进行上采样操作，改变特征图大小，与编码阶段的特征图依次进行拼接操作，加强图像上下文之间的语义信息，再经过基于注意力机制的多尺度融合模块，改变特征图通道数，同时注入深度监督机制来放大隐藏层特征，注入深度监督机制后输出的特征图为Y0～Y4，分别为： 步骤4：用训练样本对S3建立的全心脏分割网络进行训练，得到训练好的深度卷积神经网络；步骤5：将步骤2预处理后的全心脏CT图像输入步骤4训练好的深度卷积神经网络进行图像分割，输出分割好的全心脏CT图像，包括7个子结构左心房、左心室、左心室心肌、右心房、右心室、肺动脉、升动脉。

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东北大学，其通讯地址为：110819 辽宁省沈阳市和平区文化路3号巷11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”。