買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉北京工業大學申請的專利一種乳腺超聲圖像腫瘤分割方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN112801970B 。

龍圖騰網通過國家知識產權局官網在2025-08-08發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202110092906.0，技術領域涉及：G06T7/00；該發明授權一種乳腺超聲圖像腫瘤分割方法是由楊新武;游桂增設計研發完成，并于2021-01-25向國家知識產權局提交的專利申請。

本一種乳腺超聲圖像腫瘤分割方法在說明書摘要公布了：本發明公開了一種乳腺超聲圖像腫瘤分割方法，包括乳腺超聲圖像數據預處理、構建深度神經網絡模型、定義損失函數、模型訓練及結果生成。在數據預處理中，使用先鏡像填充，后裁剪的方式既不會改變乳腺腫瘤的形態，又可以得到符合尺寸要求的乳腺超聲圖像。在構建深度神經網絡模型步驟中，整體上遵循了UNet模型的設計模式。本發明使用ResNet18作為整個網絡的編碼器，因此具有更強的特征提取能力，從而能夠獲得更高的精度。在模型解碼器部分使用了深監督技術來監督各層的學習，添加了SENet的逐通道加權模塊；本發明除了能消除錯誤分割和分割邊界不連續的問題之外，還能精準地捕捉腫瘤邊界。

本發明授權一種乳腺超聲圖像腫瘤分割方法在權利要求書中公布了：1.一種乳腺超聲圖像腫瘤分割方法，其特征在于，包括以下步驟： 步驟一、獲取乳腺超聲圖像數據集，并進行數據預處理； 步驟二、使用Pytorch深度學習框架，搭建神經網絡模型； 步驟三、定義損失函數； 步驟四、利用預處理后的乳腺超聲圖像及定義的損失函數對神經網絡模型進行訓練； 步驟五、使用步驟四訓練好的神經網絡模型對測試數據進行腫瘤分割，得到分割結果； 在步驟一中，首先對獲取的乳腺超聲圖像進行鏡像填充，具體地，首先判斷原圖像A高度是否低于設置的高度閾值448，如果否，暫不作處理，如果是，則將原圖像A向上做鏡像翻轉并拼接于原圖像A上部，將原圖像A向下做鏡像翻轉并拼接于原圖像A下部，得到滿足高度要求的圖像B，然后判斷圖像B的寬度是否低于設置的寬度閾值512，如果是，則分別對圖像B做左右鏡像翻轉并拼接于左右兩邊，得到滿足高度和寬度要求的圖像C，最后對圖像C做中心裁剪，得到滿足尺寸要求448×448的圖像；裁剪之后，隨機使用水平翻轉、垂直翻轉、旋轉以及轉置數據增強方式，并且像素值標準化到[0,1]之間； 在步驟二中，按照UNet的設計架構，通過逐步增強的方式搭建神經網絡，具體包括以下步驟： 步驟21、引入ResNet18，舍棄ResNet18最后的全連接層，將其作為整個網絡模型的編碼器，提高模型的特征提取能力；使用ResNet18在ImageNet上的預訓練參數對ResNet18進行參數初始化； 步驟22、使用深監督方法，為解碼器各層添加輔助分支，每一個新添加的輔助分支由3個卷積層構成，新添加的輔助分支能夠在訓練時起到一種判斷隱藏層特征圖質量好壞的作用； 步驟23、在模型編碼器的最高語義層添加SENet注意力模塊，注意力模塊可提升模型對通道特征的敏感性，通過對通道加權，強調有效信息，抑制無效信息，使得模型對腫瘤邊緣的處理更加準確； 在步驟三中，神經網絡模型損失函數將交叉熵損失函數與Dice損失函數組合，定義如下： 模型最終輸出的損失函數定義為： 第i層深監督的損失函數定義為： 總損失定義為： 其中，表示模型最終的分割預測輸出，y表示真實分割標記，i表示深監督分支索引，表示第i個深監督分支的輸出，binary_cross_entropy表示二元交叉熵損失，dice_loss表示Dice損失。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人北京工業大學，其通訊地址為：100124 北京市朝陽區平樂園100號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。