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！

龙图腾网获悉中国医科大学申请的专利肺部异常区域自动分割与纹理提取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：CN113554612B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202110817211.4，技术领域涉及：G06T7/00；该发明授权肺部异常区域自动分割与纹理提取方法是由宋江典;赵明芳;高鹏;李舒;蒋西然;徐楠设计研发完成，并于2021-07-20向国家知识产权局提交的专利申请。

本肺部异常区域自动分割与纹理提取方法在说明书摘要公布了：本发明提供的一种肺部异常区域自动分割与纹理提取方法，包括：从肺部CT图像上通过生成器神经网络识别肺部异常区域；根据所述肺部异常区域生成肺部异常区域的分割图像，通过判别器神经网络计算所述生成肺部异常区域的分割图像与真实肺部异常区域的分割掩码图像的差异得到网络损失值，根据损失值分别对生成器神经网络与判别器神经网络进行优化与更新得到准确的肺部异常区域的分割图像。同时，由所述生成器神经网络与判别器神经网络的工作，在所述准确的肺部异常区域的分割图像上，强化了肺部异常区域的纹理细节并实现了纹理自动提取。

本发明授权肺部异常区域自动分割与纹理提取方法在权利要求书中公布了：1.一种肺部异常区域自动分割与纹理提取方法，其特征在于，所述方法包括如下步骤： S101、从肺部CT图像上通过生成器神经网络识别肺部异常区域；根据所述肺部异常区域生成肺部异常区域的分割图像； 所述步骤S101中通过生成器神经网络识别肺部异常区域的具体实现过程包括：根据所述生成器神经网络将肺部CT图像作为网络输入，并根据所述生成器神经网络自动识别并生成肺部异常区域； 所述步骤S101中生成肺部异常区域的分割图像的具体实现过程包括：将自动识别并生成肺部异常区域作为所述生成器神经网络的输出，即生成肺部异常区域的分割图像； 所述步骤S101中生成器神经网络是由图像编码器与图像译码器组合构成；所述图像编码器是将卷积层、图像归一化层以及激活层组成的操作单元依次串联起来构成；所述图像译码器是将反卷积层、图像归一化层以及激活层组成的操作单元依次串联起来构成； 所述步骤S101中生成器神经网络将直接生成肺部异常区域图像； S102、通过判别器神经网络计算所述生成肺部异常区域的分割图像与真实肺部异常区域的分割掩码图像差异获得网络损失值，根据损失值分别对生成器神经网络与判别器神经网络进行优化与更新得到准确的肺部异常区域的分割图像； 根据所述生成肺部异常区域的分割图像作为输入图像，送入所述判别器神经网络，同时将所述真实肺部异常区域的分割掩码图像送入所述判别器神经网络计算图像差异获得网络损失进行网络优化与更新以获得准确的肺部异常区域的分割图像； 所述生成器神经网络的编码器由四个将图像卷积层、图像归一化层以及激活层组成的操作单元依次串联组成，其中，图像卷积层滤波器依次为32×3×3，64×3×3，128×3×3和256×3×3；激活层采用LeakyReLU函数构成； 所述生成器神经网络的译码器部分由四个将图像反卷积层、图像归一化层以及激活层组成的操作单元依次串联组成，其中卷积层滤波器数量依次为128×3×3，64×3×3，32×3×3和1×3×3；编码器前三个操作单元的输出结果与相对应的译码器前三个操作单元的图像卷积层输出结果进行逐像素求和，所得求和结果再送入所述译码器操作单元的图像归一化层进行后续操作； 所述判别器神经网络由三个将图像卷积层和激活层组成的操作单元依次串联起来构成：卷积层的滤波器数量依次为32×3×3，64×3×3和128×3×3；激活层采用LeakyReLU函数构成，最后通过一个全连接层得到所述肺部异常区域的分割图像与所述真实的肺部异常区域的分割掩码图像经过判别器神经网络的损失值； 根据下式计算所述判别器神经网络的损失D_loss： 其中，表示所述真实肺部异常区域的分割掩码图像x送入所述判别器神经网络的损失，表示所述生成肺部异常区域的分割图像Gx送入所述判别器神经网络的损失； 根据下式计算所述生成器神经网络的损失G_loss： 其中，表示所述生成肺部异常区域的分割图像Gx送入所述判别器神经网络的损失；lossGx,x表示所述生成肺部异常区域的分割图像Gx与真实肺部异常区域的分割掩码图像x的辅助损失； S103、同时，由所述生成器神经网络与判别器神经网络的工作，在所述准确的肺部异常区域的分割图像上，强化了肺部异常区域的纹理细节并实现了纹理自动提取； 根据所述准确的肺部异常区域的分割图像，基于所述生成器神经网络与判别器神经网络的工作，强化了肺部异常区域的纹理细节，并在所述准确的肺部异常区域的分割图像上实现了纹理自动提取； 所述步骤S103中强化了肺部异常区域的纹理细节，是根据S101所述生成器神经网络与S102判别器神经网络的协同工作，生成肺部异常区域纹理特征。

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医科大学，其通讯地址为：110122 辽宁省沈阳市沈北新区蒲河路77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。