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！

龍圖騰網獲悉南京信息工程大學申請的專利基于解剖先驗感知的醫學血管分割動態優化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：CN120451180B 。

龍圖騰網通過國家知識產權局官網在2025-09-02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：202510949414.7，技術領域涉及：G06T7/10；該發明授權基于解剖先驗感知的醫學血管分割動態優化方法及系統是由王知極;黃韞梔設計研發完成，并于2025-07-10向國家知識產權局提交的專利申請。

本基于解剖先驗感知的醫學血管分割動態優化方法及系統在說明書摘要公布了：本發明公開了基于解剖先驗感知的醫學血管分割動態優化方法及系統，屬于人工智能領域和醫學影像處理技術領域。該方法獲取醫學影像數據和對應的血管標注數據，構建成數據集，并對訓練集中數據進行預處理和后處理；構建分割模型，包括多尺度特征融合模塊和動態蛇形卷積模塊；構建分割模型的損失函數，利用訓練集和血管標注數據對分割模型進行訓練；利用訓練之后的分割模型對測試集中的醫學影像數據進行血管分割。本發明通過動態配置的多尺度特征融合模塊與融合機制以及拓撲感知的動態優化策略，有效解決了現有方法難以兼顧血管結構精細化分割和整體拓撲完整性的問題，顯著提升了醫學血管分割模型的魯棒性和運行效率。

本發明授權基于解剖先驗感知的醫學血管分割動態優化方法及系統在權利要求書中公布了：1.基于解剖先驗感知的醫學血管分割動態優化方法，其特征在于，包括以下步驟： 獲取醫學影像數據和對應的血管標注數據，構建成數據集，按比例將數據集劃分為訓練集和測試集，并對訓練集中數據進行預處理和后處理； 構建分割模型，包括多尺度特征融合模塊和動態蛇形卷積模塊； 構建分割模型的損失函數，利用訓練集和血管標注數據對分割模型進行訓練； 利用訓練之后的分割模型對測試集中的醫學影像數據進行血管分割； 后處理是指將預處理后得到的三維體數據圖像塊分別在矢狀位、冠狀位和橫軸位上進行最大強度投影，得到二維切片圖像，將二維切片圖像通過廣播操作使尺度重構到與三維體數據圖像塊相同，得到3組圖像塊，將三維體數據圖像塊和3組圖像塊作為輸入項，輸入至分割模型中； 多尺度特征融合模塊的工作過程包括： 將分割模型的輸入特征圖記為，其中表示批次大小，表示輸入特征通道數，分別為三維圖像的深度、高度和寬度； 將特征圖輸入至多尺度特征融合模塊后，經過五層相同結構的特征融合； 在每一層特征融合中，特征圖首先進行平均池化以提取全局特征，隨后通過全連接層和Softmax歸一化層自適應生成各尺度卷積分支的權重，其中，K表示K種尺度；隨后，全局特征并行經過多組不同卷積核大小的卷積操作，各分支卷積結果與其權重相乘后進行求和融合，得到融合后的多尺度特征圖，表示為，其中表示輸出特征通道數； 其中融合后的多尺度特征圖由如下公式計算得到： ， 其中，表示特征圖與尺度為的卷積核進行的卷積操作；滿足； 動態蛇形卷積模塊的工作過程包括： 將最后一層的多尺度特征融合模塊的輸出特征圖記為，，表示輸入特征通道數； 對于特征圖y進行一層3D卷積操作，輸出通道為，其中P表示動態蛇形卷積的采樣點數，再經過歸一化和非線性激活函數tanh，得到范圍約束在[-1,1]之間的偏移量，該偏移量分為兩組，每組在Z、Y、X三個方向共個偏移，Z、Y、X分別代表深度、高度和寬度；再以原始整數網格為基礎，分別在Z、Y、X三個方向生成個等間距相對坐標，等間距相對坐標表示為若有P個點待偏移，則在整數范圍內從到生成一個長度為P的序列，將偏移量累加，得到三維浮點采樣坐標； 對浮點坐標在三維空間內執行雙線性插值計算，得到形變特征圖，對所有通道做群歸一化和ReLU激活，得到動態蛇形卷積層的輸出特征圖，表示為，其中表示輸出特征通道數。

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南京信息工程大學，其通訊地址為：211899 江蘇省南京市江北新區華富路1號數智溪谷4號樓；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”。