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！

龙图腾网获悉山东东瑞生物技术有限公司申请的专利一种基于机器学习的骨科超声图像分割方法及系统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：CN119205825B 。

龙图腾网通过国家知识产权局官网在2025-08-22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：202311683139.6，技术领域涉及：G06T7/12；该发明授权一种基于机器学习的骨科超声图像分割方法及系统是由吕江涛;张莹莹;赵水宁;常金良;董丹丹;左振柏;柴东坡设计研发完成，并于2023-12-09向国家知识产权局提交的专利申请。

本一种基于机器学习的骨科超声图像分割方法及系统在说明书摘要公布了：本发明公开了一种基于机器学习的骨科超声图像分割方法及系统，方法包括数据采集、基本预处理、边缘信息增强、特征编解码和超声图像分割。本发明涉及超声图像分割技术领域，具体是指一种基于机器学习的骨科超声图像分割方法及系统，本发明采用生成中谷超声参数和熵超声参数图像的方法进行边缘信息增强，突出了边缘信息；采用特征编解码结构结合特征融合模块的网络结构，并采用机器学习方法，基于所述超声参数图像数据，进行特征编解码，提高了特征融合的性能；采用通道感知融合单元进行特征融合优化，提升了特征图中特征融合的性能，提炼了优质的超声图像特征。

本发明授权一种基于机器学习的骨科超声图像分割方法及系统在权利要求书中公布了：1.一种基于机器学习的骨科超声图像分割方法，具体包括以下步骤： 步骤S1：数据采集，用于采集待分割骨科超声图像，得到骨科超声图像原始数据； 步骤S2：基本预处理，对所述骨科超声图像原始数据进行滤波去噪和归一化操作，得到预处理超声图像数据； 步骤S3：边缘信息增强，通过基于预处理超声图像数据生成中谷参数图像和熵参数图像，进行边缘信息增强，得到超声参数图像数据； 步骤S4：特征编解码，用于进行特征融合并提取多模态图像特征，具体为采用特征编解码结构结合特征融合模块的网络结构，并采用机器学习方法，基于所述超声参数图像数据，进行特征编解码，得到超声图像特征数据，具体包括： 步骤S41：构建特征编码器子块；步骤S42：构建特征融合子块；步骤S43：构建特征解码器子块；步骤S44：特征编解码模型训练；步骤S45：特征信息处理； 步骤S5：超声图像分割，用于依据超声图像特征数据进行超声图像分割，得到骨科超声图像分割数据； 步骤S41具体包括：步骤S411：构建图像编码器基本结构，具体为采用预训练的ResNet-34网络作为图像编码器，删除所述ResNet-34网络的平均池化层和全连接层，并构建一个输入层和四个编码层；步骤S412：生成多模态五阶段特征图，具体指二维超声模态特征图、中谷超声参数模态特征图和熵超声参数模态特征图；步骤S413：特征编码，具体为通过所述构建图像编码器基本结构和所述生成多模态五阶段特征图，进行特征编码，得到超声图像编码特征； 步骤S42具体包括：所述特征融合子块，用于将相同维度的特征融合，具体包括最大融合单元、求和融合单元、卷积融合单元和通道感知融合单元； 步骤S43具体包括：步骤S431：构建解码层，所述解码层包括2个大小为1×1的卷积层和1个大小为3×3的反卷积层；步骤S432：构建输出层，所述输出层，用于计算最终输出值，包括2个大小为3×3的卷积层和1个大小为4×4的反卷积层； 在步骤S44中，所述特征编解码模型训练，具体为通过所述构建特征编码器子块、所述构建特征融合子块和所述构建特征解码器子块，进行特征编解码模型训练，得到特征编解码模型ModelCA； 在步骤S45中，所述特征信息处理，具体为采用所述特征编解码模型ModelCA，基于所述超声参数图像数据，进行特征编解码，得到超声图像特征数据。

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山东东瑞生物技术有限公司，其通讯地址为：251200 山东省德州市禹城市迎宾路北首(国家大学创新创业大厦南楼11层)；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”。