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！

龍圖騰網獲悉西南大學申請的專利基于UNet網絡與分水嶺算法的電鏡紅細胞分割與定位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：CN115393293B 。

龍圖騰網通過國家知識產權局官網在2025-08-12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：202210964897.4，技術領域涉及：G06T7/00；該發明授權基于UNet網絡與分水嶺算法的電鏡紅細胞分割與定位方法是由彭爽;陶麗設計研發完成，并于2022-08-12向國家知識產權局提交的專利申請。

本基于UNet網絡與分水嶺算法的電鏡紅細胞分割與定位方法在說明書摘要公布了：本發明涉及電鏡細胞診斷技術領域，具體公開了一種基于UNet網絡與分水嶺算法的電鏡紅細胞分割與定位方法，包括步驟：S1、構建基于UNet的多注意力分割模型對電鏡紅細胞進行細胞前后景的分割；S2、基于分水嶺算法對分割好的圖形進行細胞的定位與分割。本發明提首先采用數據增強等方法擴充數據集豐富度，接著采用設計的多注意力分割模型Aca?UNet進行細胞前后景的分割。最后將分割好的圖形進行距離變換、分水嶺修正后，尋找單個細胞區域，完成細胞的定位與分割。本方法第一次將計算機輔助算法應用到電鏡數據集上，實驗中，密集細胞分割的dice系數達到88.94％，高倍放大細胞分割的dice系數達到93.10％。

本發明授權基于UNet網絡與分水嶺算法的電鏡紅細胞分割與定位方法在權利要求書中公布了：1.基于UNet網絡與分水嶺算法的電鏡紅細胞分割與定位方法，其特征在于，包括步驟： S1、構建基于UNet網絡的多注意力分割模型對電鏡紅細胞進行細胞前后景的分割； 在所述步驟S1中，所述多注意力分割模型包括仿照UNet網絡設計的編碼器網絡、解碼器網絡，所述編碼器網絡包括第一層至第五層的第一殘差塊、第二殘差塊、第三殘差塊、第一自注意力機制塊、第二自注意力機制塊，所述解碼器網絡包括第四層至第一層的第一深度可分離卷積塊、第二深度可分離卷積塊、第一解碼器塊和第二解碼器塊，所述多注意力分割模型還包括設置在對應層的跳躍連接階段的4個特征選擇模塊； 所述第一自注意力機制塊、第二自注意力機制塊用卷積操作提取圖像的低維特征，同時仿照Transformer對圖像高維特征進行遠距離建模； 所述第一深度可分離卷積塊、所述第二深度可分離卷積塊在整個網絡中保持相同的大小和分辨率的情況下，借助深度可分離卷積和Pointwise卷積分離混合空間維度和通道維度； 所述特征選擇模塊進行特征融合時的特征選取； 所述特征選擇模塊包括通道注意力機制模塊和空間注意力機制模塊； 在所述通道注意力機制模塊中，圖像在經過CNN特征提取后，特征層首先通過自適應平均池化層得到大小為C*1*1的特征圖，其中C為特征通道數，接著通過卷積核大小為k的1維卷積核進行卷積加權，實現不同通道之間的信息交互，再經過sigmoid函數得到每個特征通道的權重，對整體特征圖進行加權得到通道加權圖，最后將通道加權后的特征圖輸入所述空間注意力機制模塊； 在所述空間注意力機制模塊中，對輸入的特征圖的特征維度分別進行最大池化和平均池化操作，將特征維度轉換成1*H*W，H、W分別為原始圖像的高和寬，將這兩個特征圖進行拼接后，送入卷積核大小可調的卷積核中進行信息交互與特征重構，最終得到空間特征權重，將其與經通道注意力處理過的特征圖加權后得到最終的特征圖； S2、基于分水嶺算法對分割好的圖形進行細胞的定位與分割； 所述步驟S2具體包括步驟： S21、通過深度學習模型對步驟S1得到的電鏡圖像前后景進行粗分割，分割結果為0或者1的二值化圖像，進行灰度化后顯示為黑白圖像，其中黑色為與電鏡細胞無關的背景區域或非細胞物體，白色為目標細胞區域； S22、將原始粗分割圖像進行膨脹后得到的背景區域作為圖像的背景，將篩選合適距離值進行距離變換后得到的前景區域作為圖像的前景； S23、將圖像前景和背景之間的區域標記為未知區域，采用分水嶺算法對未知區域的前景、后景進行劃分； S24、將劃分好的圖像進行連通區域判定，分割出單獨的細胞區域并且得到位置信息。

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西南大學，其通訊地址為：400715 重慶市北碚區天生路2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”。