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！

龙图腾网获悉哈尔滨工业大学(威海);哈工大苏州研究院申请的专利基于深度学习的血管内脂质斑块自动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：CN120071408B 。

龙图腾网通过国家知识产权局官网在2025-09-09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：202411957673.6，技术领域涉及：G06V40/14；该发明授权基于深度学习的血管内脂质斑块自动分割方法是由孙明健;刘恺铭;俞开诚;吴东剑;张敬禹设计研发完成，并于2024-12-30向国家知识产权局提交的专利申请。

本基于深度学习的血管内脂质斑块自动分割方法在说明书摘要公布了：本发明公开了一种基于深度学习的血管内脂质斑块自动分割方法，所述方法利用改进的U‑Net++网络架构来实现高精度的血管内外膜分割，然后在此基础上，采用基于灰度值、边缘特征和纹理特征的K‑means聚类算法，通过加入记忆机制，确保聚类过程中的稳定性和一致性，实现对斑块类型的精确分类。本发明通过使用改进U‑Net++网络进行超声和光声图像的内外膜分割，能够精确区分血管壁的不同结构，从而实现脂质斑块的准确识别、高精度的脂质斑块分割和分类，依靠基于特征选择和记忆机制优化的K‑means聚类算法能够在虚拟组织学中实现较为准确和稳定的分类效果，为进一步的病变分析和临床应用提供了可靠的基础。

本发明授权基于深度学习的血管内脂质斑块自动分割方法在权利要求书中公布了：1.一种基于深度学习的血管内脂质斑块自动分割方法，其特征在于所述方法包括如下步骤： 步骤1：获取用于训练和测试的超声和光声血管图像数据集； 步骤2：对原始血管图像进行标准化、归一化预处理操作； 步骤3：对U-Net++网络进行改进，构建改进的多层U-Net++网络架构： 采用经典的U-Net++网络结构作为初始化网络结构，其包含嵌套的U形结构和密集连接；在此基础上引入MLP模块和KAN模块对U-Net++网络结构进行优化； 步骤4：在训练集上训练步骤3构建的多层U-Net++网络，进行参数更新； 步骤5：在验证集中运行步骤4训练好的网络，基于深度监督操作，选择评估指标最高的网络作为分割网络； 步骤6：在测试集上运行步骤5选择的最优网络，进行图像分割，并依据各层网络在测试集上的表现进行剪枝； 步骤7：应用步骤6得到的最终改进的U-Net++模型对新采集的超声和光声血管图像进行分割，明确标记出血管内外膜的位置； 步骤8：使用增加记忆因子的K-means聚类方法对血管壁成分进行分割，具体步骤如下： 步骤8-1：初始化previous_centroids为None，在第一次聚类时使用默认的初始化方法； 步骤8-2：定义记忆因子，引入一个变量memory_factor，若memory_factor=0意味着完全不考虑历史信息，而memory_factor=1则表示完全依赖历史信息； 步骤8-3：修改apply_kmeans函数，在计算新的聚类中心时加入记忆因子的影响，在主循环中，当处理每张图片时，调用带有记忆因子的apply_kmeans函数，并传递previous_centroids和memory_factor参数，更新previous_centroids为当前帧的新聚类中心，以便影响下一帧的聚类过程； 步骤8-4：对每一帧图像执行分割、提取感兴趣区域、应用带有记忆因子的K-means聚类、将聚类结果映射到颜色并生成彩色图像操作，并将每个处理后的图像添加到视频流中，完成所有帧的处理后，释放视频写入对象并保存最终的输出视频。

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哈尔滨工业大学(威海);哈工大苏州研究院，其通讯地址为：264209 山东省威海市文化西路2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”。