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！

龙图腾网获悉中国人民解放军总医院第四医学中心申请的专利一种基于深度学习的MRI医学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：CN119741312B 。

龙图腾网通过国家知识产权局官网在2025-08-26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：202411831970.6，技术领域涉及：G06T7/11；该发明授权一种基于深度学习的MRI医学图像分割方法及系统是由习伟;刘兴杰;李天然设计研发完成，并于2024-12-12向国家知识产权局提交的专利申请。

本一种基于深度学习的MRI医学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深度学习的MRI医学图像分割方法及系统，该方法包括：获取乳腺MRI图像并进行标准化处理，移除非感兴趣区域获取目标MRI图像；将疑似病变区域进行细节增强重构为待预处理图像；将待预处理图像分别进行降噪处理、对比度增强和边缘增强预处理，生成三种版本的输入图像，并作为三通道输入到预先训练好的深度学习模型中，完成乳腺肿瘤的识别；对乳腺肿瘤区域进行图像分割，并对分割后的乳腺肿瘤进行分类。本发明提供的基于深度学习的MRI医学图像分割方法及系统，实现了乳腺MRI图像精准高效处理，实现了对乳腺肿瘤的高效识别、准确分割和精确分类，能够提高乳腺肿瘤检测的准确率和鲁棒性，为临床提供高效、可靠的辅助诊断。

本发明授权一种基于深度学习的MRI医学图像分割方法及系统在权利要求书中公布了：1.一种基于深度学习的MRI医学图像分割方法，其特征在于，所述方法包括： S1、获取乳腺MRI图像并进行标准化处理，移除非感兴趣区域获取目标MRI图像； S2、对目标MRI图像进行初步目标确定，根据初步目标确定疑似病变区域，将疑似病变区域进行细节增强重构为待预处理图像； S3、将待预处理图像分别进行降噪处理、对比度增强和边缘增强预处理，生成三种版本的输入图像，并作为三通道输入到预先训练好的深度学习模型中，完成乳腺肿瘤的识别； S4、对乳腺肿瘤区域进行图像分割，并对分割后的乳腺肿瘤进行分类； 所述S2具体包括： 从目标MRI图像Ifx,y中提取左右单侧区域：Ilx,y＝Ifx,y，x∈[0,W2]，Irx,y＝Ifx,y，x∈[W2,W]，W表示图像宽度； 分别对左右区域Ilx,y和Irx,y生成显著性图Sx,y，Sx,y＝|Gxx,y|+|Gyx,y|，其中，Sx,y表示显著性值，Gxx,y和Gyx,y分别表示像素点x,y在x和y方向的灰度梯度； 计算左右显著性图的平均显著性值，Slx,y表示左侧乳腺显著性图中的显著性值，|Sl|和|Sr|表示显著性图中非零像素的数量；比较左右显著性图差异，若|meanl-meanr|＞Td，Td表示显著性差异阈值，则选择显著性较高的一侧作为异常侧，否则，将左右单侧区域均作为异常侧； 对异常侧的显著性图Sx,y进行动态阈值处理：TS表示动态阈值，TS＝β·meansx,y，β表示动态调整系数，根据掩膜MRx,y确定疑似病变区域的最小外接矩形框，标记矩形框生成疑似病变区域图像IRx,y； 针对疑似病变区域图像IRx,y的标记矩形框区域进行局部增强，分解标记矩形框区域图像IRx,y的标记矩形框区域进行高斯模糊提取基础层，Ibx,y＝GaussianIRx,y,σ，σ表示高斯模糊的标准差，Gaussian表示高斯卷积函数；提取细节层，Idx,y＝IRx,y-Ibx,y，Ibx,y表示通过高斯模糊提取低频分量，Idx,y表示高频分量；动态增强细节层，Id,ex,y＝η·Idx,y，η表示动态增强因子，k表示增强比例因子，std表示细节层的标准差，ε表示正数；将增强后的细节层与基础层叠加，生成增强图像，Iex,y＝Ibx,y+Id,ex,y； 根据标记矩形框区域局部增强后的疑似病变区域图像IRx,y生成待预处理图像Iox,y。

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人民解放军总医院第四医学中心，其通讯地址为：100048 北京市海淀区阜成路51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”。