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！

龙图腾网获悉中国科学院苏州生物医学工程技术研究所;苏州九龙医院股份有限公司申请的专利一种医学图像分割方法、系统及电子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：CN116228792B 。

龙图腾网通过国家知识产权局官网在2025-08-19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：202310112134.1，技术领域涉及：G06T7/11；该发明授权一种医学图像分割方法、系统及电子装置是由郑健;汪子宇;刘德森;曹玉柱;朱峰;陆文强;宋洪设计研发完成，并于2023-02-14向国家知识产权局提交的专利申请。

本一种医学图像分割方法、系统及电子装置在说明书摘要公布了：本发明公开了一种医学图像分割方法，属于医学图像处理领域，通过数据集预处理、建立U型基线分割网络、构建管状特征提取模块、构建多尺度信息融合模块、构建边界引导模块和空间坐标信息特征、构建自注意力蒸馏模块、建立管状器官分割网络、分割网络自动分割出病灶等步骤，提升网络对管状器官的末端精细分支的分割性能，学习到图像全局尺度和局部尺度的上下文信息，充分利用气管、肺血管区域的边界信息和空间位置信息来引导网络更加关注待分割目标的边界区域，提升网络的分割准确度。本发明还涉及实施上述医学图像分割方法的系统以及电子装置。

本发明授权一种医学图像分割方法、系统及电子装置在权利要求书中公布了：1.一种医学图像分割方法，其特征在于，包括以下步骤： 数据集预处理：采集三维医学图像形成数据集，对数据进行增强处理； 建立U型基线分割网络：采用3DU-Net作为分割的基线网络，3DU-Net网络包括编码阶段以及解码阶段，编码阶段由三维卷积层、归一化层、非线性激活函数ReLU以及最大池化层组成，采用四层分辨率结构； 构建管状特征提取模块：通过堆叠图卷积层，使得图中的节点能够学习到与其直接相邻的邻域外的信息，让网络能够从距离当前体素较远但共享了特征信息的图像区域里进行学习，每层图卷积层的图卷积运算的定义为： 其中，σ是修正后的线性单元激活函数，Xl∈RM×N1是包含M个节点和N1个特征输入到第l个GNN层的节点特征矩阵，可学习的GNN卷积的权重为 Z是二进制邻接矩阵，Y是从Z派生的度矩阵，邻接矩阵在很大程度上是稀疏的，通过将邻接矩阵处理为稀疏张量，上述的图卷积运算能快速完成； 构建多尺度信息融合模块：采用三个不同尺度的空洞卷积来扩大感受野并获得多尺度特征图，采用特征重校准层来自动获取每个通道的权重，然后依据权重去提升有用的特征并抑制对当前任务用处较小的特征，采用特征重校准层来自动获取每个通道的权重具体为：特征重校准层首先对输入的特征图进行全局平均池化实现空间维度的特征压缩，生成压缩特征图，然后激活特征图，并为每个通道的特征图生成可学习的权重参数，权重参数用来表示不同特征通道的重要性； 构建边界引导模块和空间坐标信息特征：通过构建边界引导模块和空间坐标信息特征来充分利用管状器官区域的边界信息和空间位置信息从而引导网络更加关注待分割目标的边界区域，提升网络的分割准确度，所述构建边界引导模块和空间坐标信息特征步骤的网络结构为：从提取的浅层特征图中检测局部边界信息，得到边界特征图，边界特征图经过两个卷积层后恢复至原始图像大小，并与从金标准中得到的边界图计算损失，得到误差并反向传播更新特征图，对边界特征图进行监督，引导网络加强对边界区域的关注，帮助网络更好地学习边界特征，从原始图像中提取管状器官体素的坐标，并将坐标信息转换为与网络大小一致的多通道空间坐标信息特征图； 构建自注意力蒸馏模块：通过构建自注意力蒸馏模块来充分获取有价值的上下文信息，并在监督信号不足的情况下探索利用自注意力蒸馏本身来充当辅助学习任务，提供额外的监督信号来辅助训练，构建自注意力蒸馏模块步骤具体为：自注意力蒸馏是在连续的两个特征层之间实现，其中基于激活的注意力图为： 其中，Fm为注意力图生成函数，Am表示网络第m层的激活输出，Ami表示第m层激活输出的第i个通道，P1能更多地关注高度激活的区域； 接着对得到的注意力图进行softmax操作和三线性插值操作得到处理后的注意力图然后通过最小化蒸馏损失使更加接近下一层注意力图蒸馏损失的定义为： 通过优化蒸馏损失；将会逐渐接近使得注意力从最深的层传递到最浅的层； 建立管状器官分割网络：在建立好的基线网络上，插入管状特征提取模块、多尺度信息融合模块、自注意力蒸馏模块；所述建立管状器官分割网络步骤具体为：管状特征提取模块被放置在编码端的后两级和解码端的前两级，管状特征提取模块将来自上一级编码块解码块输出的特征图中获得图结构并作为其输入，经过四次图卷积运算后输出一个具有与输入图相同节点的图以及学习到的每个节点对应的特征向量，管状特征提取模块的输出作为下一级编码块解码块的输入，接着在编码端与解码端的连接处插入所述多尺度信息融合模块，其能够捕捉多尺度的上下文信息，并减少图像细节的丢失，并且多尺度信息融合模块引入了特征重校准层，能够自适应地获取每个通道的权重，然后依照这个权重去提升有用的特征并抑制对当前任务用处较小的特征； 训练管状器官分割网络：将预处理后的原图及分割金标准送入整个网络进行监督学习； 分割网络自动分割出病灶：在网络训练好后，保存网络权重，在测试分割网络时只需输入待测试图片，分割网络会自动根据测试图片，分割出病灶。

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中国科学院苏州生物医学工程技术研究所;苏州九龙医院股份有限公司，其通讯地址为：215163 江苏省苏州市高新区科技城科灵路88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”。