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！

龙图腾网获悉同济大学申请的专利一种基于Res-Unet和隐性马尔科夫模型的血管导丝跟踪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：CN116012555B 。

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：202310034845.1，技术领域涉及：G06T19/00；该发明授权一种基于Res-Unet和隐性马尔科夫模型的血管导丝跟踪方法是由齐鹏;胡宇辉设计研发完成，并于2023-01-10向国家知识产权局提交的专利申请。

本一种基于Res-Unet和隐性马尔科夫模型的血管导丝跟踪方法在说明书摘要公布了：本发明公开了一种基于Res‑Unet和隐性马尔科夫模型的血管导丝跟踪方法，包括以下步骤：S1、术前神经网络模型的训练；S2、2D3D配准；S3、HMM概率模型的构建及导入；本发明中使用的尖端跟踪和路线图可以使用透视成像连续进行，减少了在获取位置信息时使用的x射线成像、造影剂，减少了医生与病患所受的辐射剂量；本发明实现2D路线图旁边提供了3D路线图，这将针对有疑难病例的医生提供更多信息，本发明构建HMM模型，对导丝末端进行跟踪，跟踪方法的性质提供了跟踪结果的时间一致性，因此对视场变化等具有鲁棒性。

本发明授权一种基于Res-Unet和隐性马尔科夫模型的血管导丝跟踪方法在权利要求书中公布了：1.一种基于Res‑Unet和隐性马尔科夫模型的血管导丝跟踪方法，其特征在于，包括以下步骤： S1、术前神经网络模型的训练； S2、2D3D配准； S3、HMM概率模型的构建及导入； 步骤S1包括以下步骤： S11、获取血管导丝的X射线2D图像数据，确定导丝所在的区域，并放大该区域的图像，然后在导丝上标注一些点，用这些点拟合一个样条曲线，得到最终的mask，形成网络训练数据集； S12、构建Res‑Unet网络模型，并输入数据集进行深度卷积训练，基于传统图像分割Unet网络模型，加入长跳短跳的残差网络模型，使得网络对于更深的网络卷积有更好的性能； 步骤S3包括： S31、构建HMM概率模型，其中时间帧与术中X射线2D图像采集帧一致，状态为导丝末端在3D血管树位置信息，血管树被离散化为一组3D点P＝{P1，...Pn}，导管尖端位于位置Pi的概率是HMM处于状态Si的概率； S32、在3D图像上实时显示导丝位置信息，为医生提供良好的手术指导信息，同时将当前状态信息输入HMM模型进行更新； S33、HMM中维特比算法输出当时导丝路线图，以及在缺少造影剂情况下对导丝的预测跟踪； 步骤S33中维特比算法包括：每次记录到当前时刻，每个观察标签的最优序列，如下图，假设在t时刻已经保存了从0到t时刻的最优路径，那么t+1时刻只需要计算从t到t+1的最优，即从第一图像到当前图像的初始状态位置计算维特比路径，先按照分数max[δt‑1jaji]，将选择具有最佳分数的状态，以评估其观察分数Oti，因此，只有最可能的尖端位置才会显示，其他末端位置点将被舍弃； 定义观察函数Ott表示3D2D配准的好坏，设3D导管路径中心线Vi＝{v1，...Vi},则表达式为：其中，MCt，vi为3D2D配准的度量，σs控制配准度量的缩放； 函数δti是离散时间点t的尖端位于树中位置Pi的分数，其表达式为δti＝max[δt‑1jaji]Oti； 定义状态转移概率矩阵A，状态转移概率的矩阵A描述了导管尖端在两个时间点之间，从血管树中的一个点Pi移动到另一个点Pj的所有转移概率aij其中DPi，Pj为两点距离，σa控制导丝尖端移动的速度和距离。

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同济大学，其通讯地址为：200092 上海市杨浦区四平路1239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。