买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉福州大学申请的专利基于语义分割与视频理解的心脏彩超辅助判断装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115908287B 。

龙图腾网通过国家知识产权局官网在2025-07-11发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211382707.4，技术领域涉及：G06T7/00；该发明授权基于语义分割与视频理解的心脏彩超辅助判断装置是由柯逍;陈观鸿设计研发完成，并于2022-11-01向国家知识产权局提交的专利申请。

本基于语义分割与视频理解的心脏彩超辅助判断装置在说明书摘要公布了：本发明提出一种基于语义分割与视频理解的心脏彩超辅助判断装置，基于计算机系统，包括：心脏彩超视频语义分割模块，用于使用以BEIT为基准的编码解码器对心脏彩超视频进行语义分割，得到二值化心脏轮廓视频；心脏静态指标获取模块，用于使用以RAFT为基准的神经网络模型对所述心脏彩超视频语义分割模块得到的心脏轮廓视频进行分析，从最大轮廓帧和最小轮廓帧，得到心脏静态指标；心脏动态指标获取模块，用于使用以R（2+1）D为基准的视频理解算法对所述心脏彩超视频语义分割模块得到的心脏彩超视频进行分析，得到心脏动态指标；评估模块，用于使用评估函数针对心脏静态指标和心脏动态指标进行评估，使用线性回归算法计算与心脏病类型的关系。

本发明授权基于语义分割与视频理解的心脏彩超辅助判断装置在权利要求书中公布了：1.一种基于语义分割与视频理解的心脏彩超辅助判断装置，其特征在于，基于计算机系统，包括： 心脏彩超视频语义分割模块，用于使用以BEIT为基准的编码解码器对心脏彩超视频进行语义分割，得到二值化心脏轮廓视频； 心脏静态指标获取模块，用于使用以RAFT为基准的神经网络模型对所述心脏彩超视频语义分割模块得到的心脏轮廓视频进行分析，从最大轮廓帧和最小轮廓帧，得到心脏静态指标； 心脏动态指标获取模块，用于使用以R2+1D为基准的视频理解算法对心脏彩超视频进行分析，得到心脏动态指标； 评估模块，用于使用评估函数针对心脏静态指标和心脏动态指标进行评估，得到相应的分数，使用线性回归算法计算与心脏病类型的关系； 所述心脏彩超视频语义分割模块的构建和工作过程具体包括以下步骤： 步骤S11：进行针对心脏轮廓的训练，使用Labelimg标注心脏彩超视频，得到视频轮廓训练数据的相关标注； 步骤S12：采用12层的BEIT作为主干网络，将交叉注意力和深度卷积核加入BEIT的Block，形成BEIT适配器；针对下采样层进行正则化，通过空间金字塔池化增大感受野，并将第3个局部注意力核用全局注意力核代替，使得能够捕获全局特征，同时将第5个局部注意力核与第3个的全局注意力核进行交叉注意力机制，将第6个和第7个局部注意力核用2个尺寸为5×5、步长为2的卷积核进行替换，最后接上1×1卷积核进行降维，以防止信息损失的同时降低参数量； 步骤S13：采用步骤S12中的BEIT适配器替代语义分割模型deeplabv3的特征提取主干，经过SPP结构处理后的结果，通过Upernet网络多层次提取图像特征，通过与主干特征提取网络提取结果的连接输出四个不同大小的特征层7，7、14，14、28，28、56，56； 步骤S14：通过考虑标签与预测的重叠情况、距离边界的距离，得到的回归损失函数KIOULoss定义如下： 其中IOU为预测区域和目标区域的交集与预测区域和目标区域并集的比例，Distance_22为预测区域和目标区域中心点的欧式距离，α为针对Distance_22与IOU的权重系数；β是针对影响因子的一个权重系数，k是衡量长宽比一致性的参数，定义为如下： 其中π为圆周率，tan代表正切函数，wgt代表目标区域的宽，hgt目标区域的高，wp代表预测区域的宽，hp代表预测区域的高，其中γ为对衡量长宽比一致性进行调整的权重系数； 步骤S15：使用经过步骤S11-步骤S14训练好的BEIT为基准的语义分割网络进行心脏彩超视频分割，得到一个二值化的心脏轮廓视频，其中心脏区域的像素白色，背景区域的像素为黑色； 所述心脏静态指标获取模块的构建和工作过程具体包括以下步骤： 步骤S21：使用RAFT网络作为对心脏轮廓视频分析的网络，以CSPDarknet53作为特征提取主干网络，并将第8个卷积核替代成深度可分离卷积核，并这设置步长为2，并将二次下采样特征图的步长从2,2改为1,1添加一层平均池化层以方便特征传入RNN，接上卷积核防止信息损失，最终输出两帧的图像卷积特征图，实现特征提取； 步骤S22：计算两帧的特征图向量的相似度，相似度用点乘计算，相似度Similarity定义如下： 其中Similarity用来计算两个向量之间的相似度，其中当Similarity的值越接近1，则说明两帧特征图越接近；i表示处于该向量中的索引位置，n表示该向量的长度，x表示前一帧特征图向量，y表示后一帧特征图向量； 步骤S23：通过给定舒张末期帧索引和收缩末期帧索引对所述心脏彩超视频语义分割模块得到的心脏轮廓视频进行标注，进行训练； 步骤S24：使用训练过RAFT对所述心脏彩超视频语义分割模块得到的心脏轮廓视频进行预测，得到所需要的舒张末期帧和收缩末期帧，通过opencv统计舒展帧图像和收缩帧图像的白色像素点个数，获得心脏彩超的静态指标，即舒张末期容量EDV，收缩末期容量ESV； 步骤S25：通过静态指标计算对象心脏的射血分数EF，射血分数EF定义如下： EF＝EDV-ESVEDV*100％ 其中EF是射血分数，EDV是心脏舒张末期容量，ESV是心脏收缩末期容量； 所述心脏动态指标获取模块的构建和工作过程包括以下步骤为： 步骤S31：对每个心脏彩超视频的心脏收缩期峰值流速和心脏舒张期流速进行人工标注； 步骤S32：采用R2+1D作为用于视频特征提取的网络模型，并将其中的2D卷积使用可分离的3D卷积代替，其中第一个7×7步长为2的卷积核以3个3×3且步长为1的卷积核代替；使得最后一个特征图的输出大小保持为7×7；此外，接上步长为1的1×1卷积，以防止信息损失； 采用大小为5×5的卷积层代替平均池化层，以更好地获得概率图、二值化图； 步骤S33：得到概率图、二值化图后，通过二元交叉熵计算概率图和二值化图损失，损失函数定义如下： L＝arctanθ×Ls+δ×Lb 其中θ是概率图损失的权重参数，Ls是概率图的损失值；δ是二值化图损失值的权重函数，Lb代表二值化图损失值，arctan代表反正切函数； 步骤S35：将S31标注好的数据集进行蒙特卡洛划分，使用训练集对改进后的R2+1D模型进行训练，将验证集准确率最高的模型保存，对测试集进行预测，得到心脏彩超视频的动态指标，即舒张期峰值流速Vstretch和收缩期峰值流速Vshrink； 所述评估模块的构建和工作过程具体包括以下步骤： 步骤S41：将所述心脏动态指标获取模块和心脏静态指标获取模块得到的动态指标与静态指标作为训练样本指标，并且将每个心脏对应的心脏病类型进行标注，作为标签，使用随机森林分类器进行训练； 步骤S42：得到训练后的参数，其最终得分为Score；定义如下： 其中ρ是射血分数EF的权重参数，EF是心脏射血分数，是心脏舒张期峰值流速的权重参数，Vstretch是心脏舒张期峰值流速，τ是心脏收缩期峰值流速的权重参数，Vshrink是心脏收缩期峰值流速； 步骤S43：将得到的分数进行线性化处理，得到分数与心脏病类型的划分关系。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人福州大学，其通讯地址为：350108 福建省福州市闽侯县福州大学城乌龙江北大道2号福州大学；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。