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！

龙图腾网获悉沈阳化工大学申请的专利一种基于改进U-Net的心脏医疗影像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：CN119624986B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202411663177.X，技术领域涉及：G06T7/11；该发明授权一种基于改进U-Net的心脏医疗影像分割方法是由王军;毋昱晴设计研发完成，并于2024-11-20向国家知识产权局提交的专利申请。

本一种基于改进U-Net的心脏医疗影像分割方法在说明书摘要公布了：一种基于改进U‑Net的心脏医疗影像分割方法，涉及一种医疗影像分割方法，本发明针对心脏MRI影像分割中存在的技术挑战，通过改进U‑Net模型提出了多维上下文注意力模块MDCA和反向特征调制模块RFM。这些模块不仅增强了模型对复杂心脏解剖结构的分割精度，还有效解决了多类别分割中的类别不平衡问题。借助MDCA模块，模型能够更好地融合全局与局部信息，从而提升心脏影像的细节捕捉能力。而RFM模块通过动态权重调整，确保了在处理边界模糊和小面积区域时的高精度表现。通过这些改进，本发明为自动化心血管疾病的诊断与评估提供了有效的技术支持，同时为未来医学影像分析领域的进一步发展奠定了坚实的基础。

本发明授权一种基于改进U-Net的心脏医疗影像分割方法在权利要求书中公布了：1.一种基于改进U-Net的心脏医疗影像分割方法，其特征在于，所述方法包括有多维上下文感知模块MDCA、反向特征调制模块RFM、模型架构； 多维上下文感知模块MDCA在U-Net模型的高层跳跃连接中提出了多维上下文感知模块MDCA，该模块能够同时关注全局和局部上下文信息，捕捉这些信息有助于更准确地理解和分割心脏结构；MDCA模块通过生成空间注意力图来在水平和垂直方向衡量特征之间的相关性；Query、Key、Value分别代表查询向量、键向量、值向量，Query、Key、Value的生成是通过1×1卷积操作从输入特征图中生成query、key和value特征图，表示如下： （1） 式中：是输入特征图，分别是用于生成query、key和value特征图的1×1卷积权重矩阵；使得模型在处理复杂心脏结构时，提供更高的分割精度和鲁棒性； 反向特征调制模块RFM通过生成反向掩码，自适应地调整特征权重，使模型在难以分割的区域仍保持高精度；有效提升了多类别分割任务中的精度，在处理类别不平衡或边界模糊的区域时表现尤为优异； 模型架构保留了U-Net的对称编码器-解码器结构，增强了对复杂心脏解剖结构的分割能力；在编码器中，采用多个3x3卷积层与ReLU激活函数交替进行操作，用于提取输入图像的多层特征，并通过批归一化BatchNorm加速训练并提高稳定性；具体的卷积和池化操作用以下公式表示： （9） 其中，表示第层的输入特征图，经过3x3卷积提取特征，再通过批归一化和ReLU激活函数进行非线性转换，最后通过最大池化MaxPool逐渐降低特征图的空间分辨率，以捕捉更全局的信息，同时减少计算负担； 通过MDCA和RFM两个模块的结合，改进后的U-Net模型不仅在多尺度特征捕捉和全局信息融合上具有更好的表现，还解决了细节丢失和类别不平衡的问题； 所述多维上下文感知模块MDCA相关性矩阵的计算，通过计算query和key的点积，生成特征之间的相关性矩阵： （2） 这里，函数用于归一化相关性矩阵，使其反应特征之间的相对重要性，是的维度缩放因子，用于防止点积结果过大；然后注意力矩阵将应用于，以生成加权输出： （3） 所述反向特征调制模块RFM模型生成每个类别的粗略分割掩码，其中表示类别索引；粗略掩码通过Sigmoid激活生成： （5） 其中，表示由网络生成的粗略分割结果；然后通过反向操作生成每个类别的反向掩码： （6） 这个反向掩码能让模型更精准地聚焦于当前类别之外的区域，进一步提升分割精度。

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沈阳化工大学，其通讯地址为：110142 辽宁省沈阳市沈阳经济技术开发区11号街；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”。

以上内容由龙图腾AI智能生成。