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！

龙图腾网获悉安徽理工大学申请的专利一种超声图像分析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：CN119941626B 。

龙图腾网通过国家知识产权局官网在2025-08-15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：202411831168.7，技术领域涉及：G06T7/00；该发明授权一种超声图像分析方法是由杨金鑫;王向前;谢飏设计研发完成，并于2024-12-12向国家知识产权局提交的专利申请。

本一种超声图像分析方法在说明书摘要公布了：本发明公开了一种超声图像分析方法，涉及医疗影像分析技术领域。本发明包括如下步骤：启动超声设备，通过超声探头采集患者检查部位的超声图片；对超声图像进行预处理后进行边缘检测；采集历史超声图像进行格式转换；对所有超声图像进行重采样处理；将不同部位的超声图像选择合适的窗宽和窗高，完成超声图像的转换，构建超声诊断数据集；将超声诊断数据集输入到卷积神经网络进行超声诊断模型训练；待检测的超声图像进行边缘检测后输入至训练好的超声诊断模型。本发明通过构建超声诊断数据集来训练超声诊断模型，将超声探头采集的图像预处理后进行边缘检测，并将边缘检测结果输入到训练好的超声诊断模型，提高超声图像诊断的精准度和诊断效率。

本发明授权一种超声图像分析方法在权利要求书中公布了：1.一种超声图像分析方法，其特征在于，包括如下步骤： 步骤S1：启动超声设备，通过超声探头采集患者检查部位的超声图片； 步骤S2：对超声图像进行预处理； 步骤S3：对预处理后的超声图像进行边缘检测； 步骤S4：采集历史超声图像进行格式转换； 步骤S5：对所有超声图像进行重采样处理； 步骤S6：将不同部位的超声图像选择合适的窗宽和窗高，完成超声图像的转换，构建超声诊断数据集； 步骤S7：将超声诊断数据集输入到卷积神经网络进行超声诊断模型训练； 步骤S8：待检测的超声图像进行边缘检测后输入至训练好的超声诊断模型； 所述步骤S3中，对预处理后的超声图像进行边缘检测的流程如下： 步骤S31：根据噪声像素点与相邻元素之间的关联，采用分区均值滤波算法对超声图像的噪声点进行平滑降噪处理； 步骤S32：对噪声平滑处理后的图像进行非极大值抑制处理； 步骤S33：像素点一一相连，构成噪声目标图像最终的边缘检测图； 所述步骤S32中，非极大值抑制处理的具体流程如下： 步骤S321：对图像上的每个像素点梯度方向上的梯度值进行计算，判断是否为边缘上的点； 步骤S322：以每个像素点为中心，与四个相邻方向相邻的像素点的梯度值进行比对，若该像素点的梯度值最大，则为边缘点；否则，将该像素点梯度值设置为零； 步骤S323：设置高阈值为和低阈值为，若像素点的梯度值，则该像素点为图像边缘点，若像素点的梯度值，则该像素点不是图像边缘点； 步骤S324：若像素点的梯度值，则结合该像素点与四个方向相邻的像素点的梯度值进行对比； 步骤S325：将符合条件的像素点进行连接，构成噪声目标图像最终的边缘检测图； 所述步骤S6中，超声图像的转换流程如下： 步骤S61：将输入的超声图像分别沿和方向进行平均池化，对每个方向进行编码；具体公式如下： ； 式中，表示通道和窗高上，第个位置的特征值，表示通道和窗高上，第个位置的特征值，表示特征图沿着轴方向上的信息，表示特征图沿着轴方向上的信息； 步骤S62：再进行维度转换，获取具有编码信息的特征图； 步骤S63：将两个方向的信息进行Concat操作来拼接特征图； 步骤S64：归一化处理生成中间特征向量，得到具有同通道数的特征图，具体公式如下： ； 式中，进行Concat操作，表示卷积操作，表示非线性激活函数； 步骤S7中，所述卷积神经网络的卷积层对输入的特征图进行特征提取，具体公式如下： ； 式中，为图像序列号，为图像特征编号，为输出函数，为与特征图对应图像特征编号为的图像，为第幅图像在第个卷积层数中的卷积结果，为卷积运算符号，为第幅图像中在当前卷积层数为时图像特征图编号为的卷积核，为偏置量； 所述卷积神经网络的池化层进行平均池化操作，具体公式如下： ； 式中，为区域内每个神经元的激活值，为池化层输出结果； 所述卷积神经网络的全连接层将卷积层学习的抽象特征转换为可分类的输出，并使用Softmax函数激活每一层，具体公式如下： 。

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安徽理工大学，其通讯地址为：232000 安徽省淮南市泰丰大街168号安徽理工大学；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”。