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！

龍圖騰網獲悉江門市中心醫院;桂林航天工業學院申請的專利一種基于多尺度特征提取的胸腺瘤CT圖像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：CN114663423B 。

龍圖騰網通過國家知識產權局官網在2025-05-06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：202210371206.X，技術領域涉及：G06T7/00；該發明授權一種基于多尺度特征提取的胸腺瘤CT圖像分割方法是由馮寶;徐坤財;周皓陽;陳業航;陳相猛;蔣成亮;劉昱;李運德;何婧;崔恩銘;龍晚生設計研發完成，并于2022-04-11向國家知識產權局提交的專利申請。

本一種基于多尺度特征提取的胸腺瘤CT圖像分割方法在說明書摘要公布了：本發明公開了一種基于多尺度特征提取的胸腺瘤CT圖像分割方法，包括如下步驟：在傳統UNet網絡的編碼器中結合基于不同復雜度和不同尺度卷積的DBB結構來提取胸腺瘤CT圖像中腫瘤不同尺度下的空間特征，獲取更豐富的腫瘤信息。基于壓縮激勵機制構建卷積核通道間的相互關系，實現不同尺度下空間特征的降維和重標定，然后將重標定的空間特征與原空間特征逐像素加權融合，進而得到與腫瘤區域更相關的空間特征。本發明的分割結果的DICE系數為88.90、交并比IOU為80.15、真陽性率TPR為86.94、假陽性率FPR為8.61、精確率Pre為91.79，更接近于醫生手動分割結果。

本發明授權一種基于多尺度特征提取的胸腺瘤CT圖像分割方法在權利要求書中公布了：1.一種基于多尺度特征提取的胸腺瘤CT圖像分割方法，其特征在于：包括如下步驟：S1、在傳統UNet網絡的編碼器中結合基于不同復雜度和不同尺度卷積的DBB結構來提取胸腺瘤CT圖像中腫瘤不同尺度下的空間特征，獲取更豐富的腫瘤信息；S2、基于壓縮激勵機制構建卷積核通道間的相互關系，實現不同尺度下空間特征的降維和重標定，然后將重標定的空間特征與原空間特征逐像素加權融合，進而得到與腫瘤區域更相關的空間特征；S3、通過消融實驗確定特征降維過程中控制模型復雜度的超參數；所述步驟S1中，編碼階段采用DBB結構中的小尺度卷積核來關注病灶的位置信息和輪廓信息，使用大尺度的卷積核來關注病灶的區域信息；同時在DBB結構之后使用特征降維和重標定來建立各個通道間的相互關系，弱化從病灶中噪聲產生的特征，強化病灶中腫瘤的特征，從而提高分割結果；解碼階段同樣采用DBB結構中多尺度卷積來獲取對應編碼階段提取的特征以減少解碼過程中信息的丟失，同時在DBB結構之后通過特征降維和特征重標定來增強對目標任務有效的特征，對重標定后的空間特征采用反卷積的上采樣逐步恢復高質量的特征圖；所述步驟S2中，特征空間降維階段，使用全局均值池化函數對每個特征通道在空間H×W上進行壓縮；對任意輸入的特征圖X，X∈RH×W×C，通過壓縮X的空間維度H×W生成通道統計量Z，Z∈R1×1×C，壓縮過程中Z對應的第C個通道計算為： 其中，γC是壓縮后的特征圖，Zx是壓縮函數，H和W分別是輸入特征圖的空間維度對應的高和寬，xC是輸入特征圖的第C維空間特征，i和j是第C維空間維度上的坐標；所述步驟S2中，特征重標定階段，將壓縮為1×1×C的輸入通過兩個全連接和ReLU激活函數建立通道之間的相關性，使用sigmoid門控函數作為自選機制將壓縮階段嵌入在通道維度上的向量作為自選機制的輸入，并產生每個通道權重集合。

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江門市中心醫院;桂林航天工業學院，其通訊地址為：529000 廣東省江門市蓬江區北街海傍街23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”。