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！

龙图腾网获悉大连市妇女儿童医疗中心(集团);中国医科大学附属盛京医院;东北大学申请的专利一种早产儿脑损伤的病灶自动分割方法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：CN119991699B 。

龙图腾网通过国家知识产权局官网在2025-08-12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：202510060474.3，技术领域涉及：G06T7/11；该发明授权一种早产儿脑损伤的病灶自动分割方法是由黄鹤;侯阳;齐守良;祁英;尚靳;陈善男;扈一明;张桂香;齐茗馨;马跃设计研发完成，并于2025-01-15向国家知识产权局提交的专利申请。

本一种早产儿脑损伤的病灶自动分割方法在说明书摘要公布了：本发明提供一种早产儿脑损伤的病灶自动分割方法。该方法包括：对数据集进行预处理；数据集为早产儿脑损伤患者的脑MRI图像；按照预设比例将预处理后的数据集划分为训练集、测试集和验证集；搭建早产儿脑损伤的病灶自动分割网络模型；网络模型包括：PAFM模块组、CMSC模块组和3D‑UXNET组成的网络架构；将训练集输入网络模型进行训练，基于验证集调整超参数；将测试集输入训练好的网络模型，得到测试集对应的早产儿脑损伤的病灶自动分割结果。本发明通过CMSC模块的多尺度卷积提取特征，增强了对小病灶的分割能力。本方法同时利用了多种模态数据，并通过层级融合策略和模态间注意力及跨模态注意力构成的PAFM模块并行融合模态信息，从而有效提升了模型的分割性能。

本发明授权一种早产儿脑损伤的病灶自动分割方法在权利要求书中公布了：1.一种早产儿脑损伤的病灶自动分割方法，其特征在于，包括： 步骤S1：获取数据集；其中，所述数据集为早产儿脑损伤患者的脑MRI图像；所述脑MRI图像的序列包括T1WI和T2WI；所述脑MRI图像的病灶感兴趣区均已被标注； 步骤S2：对所述数据集进行预处理； 步骤S3：按照预设比例将预处理后的数据集划分为训练集、测试集、和验证集； 步骤S4：搭建早产儿脑损伤的病灶自动分割网络模型；其中，所述网络模型为编码器解码器架构，所述网络模型包括：大尺度卷积模块组、编码器部分、PAFM模块组、CMSC模块组和解码器部分；所述大尺度卷积模块组包括2个大尺度卷积模块；所述编码器部分和所述解码器部分均为四层；每一层的编码器部分包括2个子编码器，每个子编码器包括：一个UxnetBlock和一个DownsamplingBlock；每一层的解码器部分包括一个子解码器；所述PAFM模块组包括三个PAFM模块；所述CMSC模块组包括三个CMSC模块； 所述大尺度卷积模块组的一个输出端与第一层的编码器部分的输入端相连接；第一层、第二层、以及第三层的编码器部分的一个输出端均依次通过一个PAFM模块、一个CMSC模块、一个ResBlock与对应层的解码器的输入端相连接，第一层、第二层、以及第三层的编码器部分的另一输出端均与对应的下一层的编码器部分的输入端相连接，以及第四层的编码器部分的输出端依次通过一个融合模块、一个ResBlock与第一层的解码器的输入端相连接；第一层的解码器包括一个转置卷积模块；第二层、第三层、以及第四层的解码器均包括依次连接的一个融合模块、一个ResBlock、一个转置卷积模块；以及所述大尺度卷积模块组的另一输出端依次通过一个融合模块、一个ResBlock进行特征输出，将该ResBlock输出的特征图与第四层的解码器得到的特征图通过一个融合模块进行拼接融合后，再通过ResBlock和输出卷积进行通道调整，以得到最终的病灶分割结果； 所述大尺度卷积模块，用于将接收到的预处理后的图像数据映射到低维空间，以获得预处理后对应的图像的空间潜在特征表示； 第一层、第二层、或第三层的编码器部分的每个编码器，用于依次通过一个UxnetBlock和一个DownsamplingBlock将输入的图像进行下采样，再将下采样后的特征图发送至对应的PAFM模块； 第四层的编码器部分的每个编码器，用于依次通过一个UxnetBlock和一个DownsamplingBlock将输入的图像进行下采样，再将下采样后的特征图依次通过一个融合模块、一个ResBlock发送至第一层的解码器； 所述PAFM模块，用于对第一层、第二层、或第三层的编码器部分的每个编码器输出的多模态特征图进行不同模态间和相同模态内部信息的融合增强，以完成多模态信息的互补融合，再将融合增强后的特征图输入至对应的CMSC模块； 所述CMSC模块，用于接收所述融合增强后的特征图，以实现提取到小病灶信息对应的特征图，以供后续将该小病灶信息对应的特征图通过一个ResBlock送入对应层的解码器进行解码； 第一层的解码器，用于直接接收第四层的编码器下采样后依次通过一个融合模块、一个ResBlock输出的特征图，再将该ResBlock输出的特征图通过一个转置卷积模块进行上采样； 第二层、第三层、第四层的解码器，用于通过一个融合模块对跳跃连接输入的原层次特征和上一层的解码器输出的深层次特征进行拼接融合，再依次通过一个ResBlock、一个转置卷积模块对当前层的解码器中的融合模块输出的特征图进行上采样操作； 所述大尺度卷积模块，还用于将自身映射得到的特征图依次通过一个融合模块发送至一个ResBlock，以供后续将该ResBlock输出的特征图与第四层的解码器得到的特征图通过一个融合模块进行拼接融合后，再通过ResBlock和输出卷积进行通道调整，以得到最终的病灶分割结果； 步骤S5：将所述训练集输入所述网络模型进行训练，基于验证集调整超参数； 步骤S6：将所述测试集输入训练好的网络模型，得到所述测试集对应的早产儿脑损伤的病灶自动分割结果。

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大连市妇女儿童医疗中心(集团);中国医科大学附属盛京医院;东北大学，其通讯地址为：116021 辽宁省大连市沙河口区敦煌路1号；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”。