Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 首都医科大学附属北京积水潭医院吴新宝获国家专利权

首都医科大学附属北京积水潭医院吴新宝获国家专利权

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!

龙图腾网获悉首都医科大学附属北京积水潭医院申请的专利医学影像增强处理与组织边界智能识别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:CN120388013B

龙图腾网通过国家知识产权局官网在2025-09-16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:202510854827.7,技术领域涉及:G06T7/00;该发明授权医学影像增强处理与组织边界智能识别方法是由吴新宝;赵春鹏;曹奇勇;李宇能设计研发完成,并于2025-06-25向国家知识产权局提交的专利申请。

医学影像增强处理与组织边界智能识别方法在说明书摘要公布了:本发明涉及医学影像处理领域,公开了一种医学影像增强处理与组织边界智能识别方法,构建医学影像分割模型,可学习滤波器模块包括并行的Gabor滤波器组和LoG滤波器组;多模态特征融合模块将多个Gabor滤波器输出的纹理特征、多个LoG滤波器输出的边缘特征以及原始输入图像进行融合;SwinTransformer用于将融合特征图划分为图像块序列,并从图像块序列中提取多尺度特征图;分割头用于将多尺度特征图恢复至原始分辨率并输出分割掩码;对构建的医学影像分割模型进行训练;利用完成训练的医学影像分割模型对临床医学影像进行图像分割处理,输出能够清晰显示出不同组织结构及组织边界的像素级分割掩码。本发明可有效提升医学影像中组织边界的识别精度。

本发明授权医学影像增强处理与组织边界智能识别方法在权利要求书中公布了:1.一种医学影像增强处理与组织边界智能识别方法,其特征在于,包括: 构建医学影像分割模型,所述医学影像分割模型包括依次连接的可学习滤波器模块、多模态特征融合模块、SwinTransformer骨干网络和分割头;所述可学习滤波器模块包括并行的Gabor滤波器组和LoG滤波器组,所述Gabor滤波器组用于提取输入图像中不同组织的多尺度和多方向的纹理特征,所述LoG滤波器组用于提取输入图像中不同组织的多尺度边缘特征;所述多模态特征融合模块用于将多个Gabor滤波器输出的纹理特征、多个LoG滤波器输出的边缘特征以及原始输入图像进行融合,生成纹理与边缘特征增强后的融合特征图;所述SwinTransformer用于将所述融合特征图划分为图像块序列,并从图像块序列中提取多尺度特征图;所述分割头用于将所述多尺度特征图恢复至原始分辨率并输出分割掩码; 采用训练数据对构建的医学影像分割模型进行训练;所述训练数据包括医学影像和与其对应的逐像素标注组织类别的分割掩码; 利用完成训练的医学影像分割模型对临床医学影像进行图像分割处理,输出能够清晰显示出不同组织结构及组织边界的像素级分割掩码; 其中,所述Gabor滤波器组包括并行的多个Gabor滤波器,每个Gabor滤波器具有独立的可训练参数,且多个Gabor滤波器的可训练参数各不相同;在训练过程中,并行的多个可学习的Gabor滤波器动态学习输入图像中不同组织的多尺度和多方向的纹理特征,并通过反向传播动态优化参数; 所述LoG滤波器组包括并行的多个LoG滤波器,每个LoG滤波器具有独立的可训练参数,且多个LoG滤波器的可训练参数各不相同;在训练过程中,并行的多个可学习的LoG滤波器动态学习输入图像中不同组织的多尺度边缘特征,并通过反向传播动态优化参数。

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首都医科大学附属北京积水潭医院,其通讯地址为:100035 北京市西城区新街口东街31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”。

以上内容由AI智能生成
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。