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！

龙图腾网获悉大连民族大学申请的专利一种脑部医学图像多结构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：CN115719357B 。

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：202211508260.0，技术领域涉及：G06T7/11；该发明授权一种脑部医学图像多结构分割方法是由张秀峰;刘岩松;王金龙;王成龙设计研发完成，并于2022-11-28向国家知识产权局提交的专利申请。

本一种脑部医学图像多结构分割方法在说明书摘要公布了：一种脑部医学图像多结构分割方法，属于图像处理与计算机视觉技术领域，自注意力机制能够很好的提取脑部灰质结构边界的低频信息，并且能够建立特征的全局相关性。将卷积和自注意力相结合更加有效的提取图像的高频和低频特征，改善了浅层信息在下采样过程丢失的问题，实现更加准确的分割结果。同时在特征交互的过程中通过对特征降维和归一化的处理，提高了网络模型的收敛速度。

本发明授权一种脑部医学图像多结构分割方法在权利要求书中公布了：1.一种脑部医学图像多结构分割方法，其特征在于，包括以下步骤： S1、对公开的脑部医学图像数据集进行切片处理，选取待分割的脑结构的2D图像； S2、对待分割的图像进行预处理，得到训练数据并随机划分训练集和测试集； S3、构建脑部多结构分割网络模型，其包含编码部分和解码部分，编码部分由卷积和多头自注意力机制构成，解码部分由双线性插值上采样和卷积构成； 所述步骤S3所述的编码部分包括高频特征采集和低频特征采集，高频特征由卷积和池化构成的卷积神经网络进行获取，低频特征采集是由多头自注意力和前馈神经网络组成，高频特征和低频特征之间存在特征交互的过程，解码部分包括对深层特征进行上采样并与浅层特征进行维度拼接； 所述高频特征采集由三个连续的卷积层构成，每个卷积层后面添加ReLU激活函数以增加特征的非线性，对所提取的特征进行BN处理以提高网络的收敛速度，将特征进行最大池化操作以提取深层的语义特征； 所述低频特征采集是将原始的图像进行patchembedding操作，将原始图像分成16个块，并进行维度变换，将二维矩阵转化成以为一维向量，通过MultiHeadSelf-Attention计算全局特征的相关性，通过前馈神经网络进行非线性变换，将多头注意力层的结果映射到更高维的空间中进行特征的提取； 所述特征交互过程是高频低频特征进行互补的过程，通过多头自注意力获取全局特征经全连接层映射后进行维度变换，然后与高频的特征融合增强特征的全局相关性，通过卷积运算进行更深层次的特征提取，同时将深层语义特征降维并进行维度变换为多头自注意力提供Key和Value，保留当前特征全局相关性补偿池化特征造成的信息丢失； S4、使用划分好的训练数据进行脑部多结构分割网络模型的训练，将训练数据随机划分为训练集和验证集； S5、将训练集输入到脑部多结构分割网络模型中得到预测的分割结果，使用交叉熵损失函数计算训练过程预测结果和真实标签之间的损失值，并进行参数调整； S6、将验证集输入到脑部多结构分割网络模型中得到预测的分割结果，使用交叉熵损失函数计算训练过程预测结果和真实标签之间的损失值； S7、判断当前验证过程的损失和上一轮验证的损失，若当前损失小于上一轮损失保存模型参数，若当前损失大于上一轮的损失则继续训练； S8、判断当前迭代次数是否达到预设值，若未达到则返回步骤S5进行下次训练，若到达预设值则完成脑部多结构分割网络模型的训练； S9、在步骤S8得到训练好的模型之后，将测试集输入到训练完成的脑部多结构分割网络模型中，得到相应的分割结果进行分割指标的计算。

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民族大学，其通讯地址为：116600 辽宁省大连市经济技术开发区辽河西路18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”。