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！

龍圖騰網獲悉川北醫學院附屬醫院申請的專利一種基于深度學習的醫學圖像處理方法及系統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：CN119338831B 。

龍圖騰網通過國家知識產權局官網在2025-08-15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：202411897266.0，技術領域涉及：G06T7/00；該發明授權一種基于深度學習的醫學圖像處理方法及系統是由劉友玉;王姬設計研發完成，并于2024-12-23向國家知識產權局提交的專利申請。

本一種基于深度學習的醫學圖像處理方法及系統在說明書摘要公布了：本發明屬于醫學圖像處理技術領域，具體涉及一種基于深度學習的醫學圖像處理方法及系統，創建關鍵幀提取模型，并使用已標記的醫學圖像數據對所述關鍵幀提取模型進行訓練，獲取患者腦部醫學視頻流數據并進行數據預處理，輸入至關鍵幀提取模型；創建圖像處理模型，并將提取的包含指定波形數據的關鍵幀圖像輸入至圖像處理模型進行關鍵特征識別；圖像處理模型基于識別的關鍵特征對關鍵幀圖像中的關鍵特征區域進行圖像切割；圖像處理模型將從圖像中分離出來的目標區域進行指定特征提取并輸出，將輸出的指定特征數據進行數據格式化處理，轉換成指定數據格式并導出。上述過程能夠基于TCCD的醫學影像數據的圖像處理過程獲取連續的血流數據。

本發明授權一種基于深度學習的醫學圖像處理方法及系統在權利要求書中公布了：1.一種基于深度學習的醫學圖像處理方法，其特征在于，包括以下步驟： S1：創建關鍵幀提取模型，并使用已標記的醫學圖像數據對所述關鍵幀提取模型進行訓練，并使用驗證集對所述關鍵幀提取模型進行驗證，判斷指定性能參數是否滿足指定要求； S2：獲取患者腦部醫學視頻流數據并進行數據預處理，將預處理后的醫學視頻流數據輸入至訓練后的所述關鍵幀提取模型，所述關鍵幀提取模型提取患者腦部醫學視頻流數據中包含指定波形數據的關鍵幀圖像； S3：創建圖像處理模型，并將提取的包含指定波形數據的關鍵幀圖像輸入至所述圖像處理模型，所述圖像處理模型對預處理后的關鍵幀圖像中的關鍵特征進行識別； S4：所述圖像處理模型基于識別的關鍵特征對關鍵幀圖像中的關鍵特征區域進行圖像切割，即將關鍵幀圖像中的目標區域從圖像中分離出來； S5：所述圖像處理模型將從圖像中分離出來的目標區域進行指定特征提取并連續輸出，將輸出的指定特征數據進行數據格式化處理，轉換成指定數據格式，并按照指定數據格式進行導出，得到連續的組織數據； 步驟S1中的關鍵幀提取模型為卷積神經網絡模型，所述卷積神經網絡模型設有輸入層、卷積層+池化層的組合層、全連接層和輸出層，所述卷積層+池化層的組合層中包括卷積核大小為5×5，步長為2的卷積層，池化核大小為3×3，步長為1的池化層，所述全連接層的輸入為120個節點，輸出為84個節點； 所述輸入層輸入醫學視頻流的原始圖像數據； 所述卷積層，設有多個，通過卷積層+池化層的組合層中的一系列卷積核對輸入的圖像數據進行卷積操作，獲取圖像中的局部特征，每個卷積核均生成一個特征圖； 所述池化層，設有多個，每個池化層對其上一層卷積層輸出的特征圖進行下采樣，在保留指定特征的基礎上降低特征圖的空間維度和參數數量； 所述全連接層，將卷積層+池化層的組合層提取的特征進行全局整合，并映射到樣本標記空間，并將全局整合結果傳輸給輸出層進行輸出； 步驟S2的具體過程如下： S21：獲取患者腦部醫學視頻流數據并進行圖像去噪處理，將去噪處理后的醫學視頻流數據輸入至訓練后的所述關鍵幀提取模型； S22：所述關鍵幀提取模型提取患者腦部醫學視頻流數據中包含指定波形數據的關鍵幀圖像，對關鍵幀圖像進行圖像增強處理； 步驟S21中對患者腦部醫學視頻流數據進行去噪處理的具體過程為： S211：通過離散小波變換將患者腦部醫學視頻流圖像數據中的觀測信號分解為不同尺度的小波系數，并選擇適當的小波基和分解層數； S212：設置指定閾值，對所述小波系數基于軟閾值函數得到去噪系數； S213：使用小波逆變換將去噪系數重構為去噪信號； S214：基于重構的去噪信號對患者腦部醫學視頻流數據進行去噪處理； 步驟S22中對關鍵幀圖像進行圖像增強處理的具體過程如下： S221：對關鍵幀圖像在多個尺度上選擇多個不同的高斯函數標準差，并對關鍵幀圖像進行高斯模糊得到多個模糊后的圖像L 1x，y，L 2x，y，···，L n x，y，n為尺度數量； S222：對每個尺度上的圖像L 1x，y，L 2x，y，···，L n x，y進行對數運算得到每個尺度的反射分量，得到Log[R 1x，y]，Log[R 2x，y]，···，Log[R n x，y]； S223：對每個尺度的反射分量進行加權平均，得到加權平均的反射分量Log[Rx，y]=ΣWeighti*Log[Rix，y]； S224：將加權平均的反射分量Log[Rx，y]量化為0到255范圍的像素值，作為最終輸出的關鍵幀圖像； 步驟S3中對預處理后的關鍵幀圖像中的關鍵特征進行識別的具體過程如下： S31：通過高斯函數對連續關鍵幀圖像進行處理以構建連續高斯尺度空間； S32：計算步驟S31中連續高斯尺度空間中兩兩相鄰的高斯尺度空間的差分，并構建高斯差分金字塔； S33：在構建的所述高斯差分金字塔中，將關鍵幀圖像中的指定像素點與其周圍的指定個鄰域像素以及兩個尺度上的指定個像素進行比較，判斷所述指定像素點是否為極值點，若是，則標記為候選關鍵點； S34：對所述候選關鍵點進行定位，去除其中低對比度點和邊緣響應點，并為去除其中低對比度點和邊緣響應點后的每個候選關鍵點分配多個主方向； S35：為去除其中低對比度點和邊緣響應點后的每個候選關鍵點的周圍構建指定維的向量，并統計關鍵點的周圍區域的梯度方向直方圖來描述局部圖像結構； 步驟S4中對關鍵幀圖像中的關鍵特征區域進行圖像切割的具體過程如下： S41：基于步驟S35中統計關鍵點的周圍區域的梯度方向直方圖來描述局部圖像結構的結果，并利用圖像的像素點的相似性生成初始的區域或者超像素； S42：根據相似性準則，合并相鄰區域得到切割區域； S43：基于獲取的切割區域進行圖像切割，并對切割后的圖像的邊界進行細化、去噪以及填充空洞的處理。

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川北醫學院附屬醫院，其通訊地址為：637000 四川省南充市順慶區文化路63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”。