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！

龙图腾网获悉东南大学申请的专利一种基于深度学习的CT图像中椎骨中心点检测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：CN117078658B 。

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：202311210538.0，技术领域涉及：G06T7/00；该发明授权一种基于深度学习的CT图像中椎骨中心点检测方法是由陈阳;蒋凌岳;刘鸿智;吴明桦设计研发完成，并于2023-09-19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CT图像中椎骨中心点检测方法在说明书摘要公布了：本发明提出了基于深度学习的CT图像中椎骨中心点检测方法。该模型分为两个阶段，分别是粗分割阶段和中心点检测阶段，该两阶段模型能够实现较高分辨率下任意包含脊椎CT数据的椎骨中心点检测，不依赖于诸如人为选定椎骨部分等人工操作，实现自动化椎骨中心点检测。相较于其他模型，本发明提出的模型对于在检测精度上拥有更明显的优势，且拥有更高的鲁棒性。

本发明授权一种基于深度学习的CT图像中椎骨中心点检测方法在权利要求书中公布了：1.一种基于深度学习的CT图像中椎骨中心点检测方法，其特征在于，所述方法具体步骤如下： 阶段一：粗分割阶段，具体如下 步骤1，数据预处理； 对于输入的CT数据，需要经过统一的数据处理，使得输入神经网络的数据保持一致性，数据处理包含四个方面，首先是将CT数据统一旋转到同一方向，所采用的方向是RAS方向，接着将体素统一，粗分割阶段采用的体素大小为4mm，此外，为了保持输入到神经网络中的尺寸相同，需要对原图进行裁剪或填充操作，将尺寸统一至[96,96,128]，最后一步是对图像进行归一化操作，能够有效使神经网络在训练过程中收敛； 步骤2，提出了ISE-Vnet分割网络，在数据处理完毕后，将数据输入ISE-Vnet网络，该网络能够输出脊椎的二值分割图； 步骤3，在完成脊椎分割后，利用滑动窗口生成算法，根据分割掩膜生成多个大小相同的滑动窗口建议框，这些滑动窗口能够完全覆盖所有的椎骨以及部分椎骨周围的骨骼与组织； 步骤4，最后将滑动窗口建议框包含的数据输入二阶段标志点检测算法中； 阶段二：中心点检测阶段，具体如下： 步骤5，检测出每一个滑动窗口中所有的标志点，这个工作由一个标志点检测网络完成， 该网络分为两个模块，第一个模块为特征提取网络，由一个3D-Unet负责特征提取，以及一个Spatial-Generalized即空间总览模块用于滤除3D-Unet输出的特征图中不相关标志点的伪影，第二个模块是结果生成模块，用于将特征提取网络得到的特征图转化成最终结果，引入DSNT模块，通过可导的数学计算将高斯热力图转化成坐标值， 步骤6，结果处理，在去除假阳性预测后，还需要将多个滑动窗口上的结果进行合并，得到在原CT图像上最终的标志点检测结果； 中心点检测阶段提出的Spatial-Generalized-3DUnet-DSNT，通过在低分辨率特征图上学习生成空间掩膜，与高分辨特征图生成的高斯热力图进行逐点乘，从而滤除高斯热力图中的伪影，通过DSNT模块生成中心点的坐标值，解决了仅仅使用高斯热力图间接获得标志点坐标损失精度的问题； DSNTDifferentiableSpatialtoNumericalTransform模块，是一种可导的数学运算，将高斯热力图转化坐标值，直接集成在高斯热力图生成网络的后面，DSNT模块的第一步就是对每一个高斯热图进行归一化，保证高斯热图求和为1，采用softmax函数进行归一化： 定义三个三维矩阵X，Y，Z，其长宽高和输入DSNT的Heatmap的长宽高一致，其值为：Xi,j,k＝i，Yi，j，k＝j，Zi，j，k＝k，H代表输出的高斯热力图，将softmax归一化后的热图记为由于在0到1之间且和为1，那么满足概率分布条件，故写成： c是某一个通道的输出坐标，由三个数字组成，上式是随机变量X，Y，Z的联合概率分布，通过DSNT变换后得到的3个坐标值，就是上述联合分布的期望，记为： μ＝Ec， 由概率论求期望的公式得到： A,BF代表矩阵A和矩阵B的F范数，表示为： 综上所述，得到DNST表达式：

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东南大学，其通讯地址为：211102 江苏省南京市江宁区东南大学路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”。

以上内容由龙图腾AI智能生成。