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！

龙图腾网获悉武汉大学申请的专利基于图像通道拆分的胎儿超声图像去标记方法及装置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：CN119784686B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202411772497.9，技术领域涉及：G06T7/00；该发明授权基于图像通道拆分的胎儿超声图像去标记方法及装置是由罗勇;夏振东;杜博设计研发完成，并于2024-12-04向国家知识产权局提交的专利申请。

本基于图像通道拆分的胎儿超声图像去标记方法及装置在说明书摘要公布了：本申请涉及一种基于图像通道拆分的胎儿超声图像去标记方法及装置，其中，方法包括：获取多个胎儿超声图像，并根据多个胎儿超声图像构建标记特征提取数据集，且依据通道拆分技术扩充数据集，并利用通道拆分技术扩充后的数据集训练预先构建的标记特征提取模型及标记特征补绘模型，以基于标记特征提取和标记特征补绘两种深度学习模型，运用通道拆分技术进行多维度的特征提取和补绘，从而实现端到端的标记去除操作。由此，解决了现有技术难以统一不同设备间超声图像的分辨率、标记样式、标记颜色和图像质量，无法有效识别和去除胎儿超声图像中的标记等问题。

本发明授权基于图像通道拆分的胎儿超声图像去标记方法及装置在权利要求书中公布了：1.一种基于图像通道拆分的胎儿超声图像去标记方法，其特征在于，包括以下步骤： 获取多个胎儿超声图像，并根据所述多个胎儿超声图像构建标记特征提取数据集，且利用预设的图像通道拆分策略扩充所述标记特征提取数据集，并基于扩充后的标记特征提取数据集，训练预先构建的标记特征提取模型，以得到所述标记特征提取模型对应的预测模型； 根据所述多个胎儿超声图像构建标记去除数据集，并利用所述图像通道拆分策略扩充所述标记去除数据集，并基于扩充后的标记去除数据集，训练预先构建的标记去除模型，以得到所述标记去除模型对应的补绘模型； 基于所述预测模型和所述补绘模型，对目标带有标记的胎儿超声图像进行端到端的标记去除操作； 其中，所述获取多个胎儿超声图像，并根据所述多个胎儿超声图像构建标记特征提取数据集，且利用预设的图像通道拆分策略扩充所述标记特征提取数据集，并基于扩充后的标记特征提取数据集，训练预先构建的标记特征提取模型，以得到所述标记特征提取模型对应的预测模型，包括： 获取所述多个胎儿超声图像中的多个带有标记的胎儿超声图像，并通过所述多个带有标记的胎儿超声图像构建所述标记特征提取数据集； 提取所述标记特征提取数据集中的每个带有标记的胎儿超声图像对应的边框文字信息，并基于预设的图像修复策略，对提取所述边框文字信息后所述每个带有标记的胎儿超声图像中的缺失部分进行填充，以得到带有标记的填充图像； 调节每个带有标记的填充图像的图像尺寸，以得到目标尺寸的带有标记的填充图像； 在所述带有标记的填充图像上随机添加多类相同颜色的标记，并将所述带有标记的填充图像转换至HSV空间，以提取所述带有标记的填充图像对应的标记掩码； 对所述带有标记的填充图像进行通道拆分，且复制所述标记掩码，以得到所述标记特征提取数据集对应的标准扩充标记特征提取数据集； 基于预设的编码器、解码器和U-Net框架，构建所述标记特征提取模型，并确定所述标记特征提取模型对应的第一目标函数； 通过所述标准扩充标记特征提取数据集和所述第一目标函数训练所述标记特征提取模型，以得到所述预测模型。

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武汉大学，其通讯地址为：430072 湖北省武汉市武昌珞珈山；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”。