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！

龙图腾网获悉哈尔滨工业大学申请的专利一种基于变换域时空张量低秩网络的超声心动图视频半监督分割方法及系统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：CN119831965B 。

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：202411916683.5，技术领域涉及：G06T7/00；该发明授权一种基于变换域时空张量低秩网络的超声心动图视频半监督分割方法及系统是由胡悦;李晓迪设计研发完成，并于2024-12-24向国家知识产权局提交的专利申请。

本一种基于变换域时空张量低秩网络的超声心动图视频半监督分割方法及系统在说明书摘要公布了：一种基于变换域时空张量低秩网络的超声心动图视频半监督分割方法及系统，本发明涉及超声视频数据处理技术领域。本发明为了解决超声视频中左心室分割的问题。技术要点：本发明包括以下步骤：1对采集的超声心动图视频数据预处理；2建立超声心动图视频半监督分割模型；3构建自适应时空张量语义感知模块；4构建记忆流模块；5利用已有数据训练网络，得到网络模型；6利用训练好的模型分割超声心动图视频。本发明可在视频数据部分标注的条件下，利用较少的标签训练模型来自动分割超声心动图视频中的左心室，并大幅缩短分割的处理时间。

本发明授权一种基于变换域时空张量低秩网络的超声心动图视频半监督分割方法及系统在权利要求书中公布了：1.一种基于变换域时空张量低秩网络的超声心动图视频半监督分割方法，其特征在于，利用超声心动图视频特征的时空相关性提高左心室分割的精度，所述方法包括以下步骤： 1对采集的超声心动图视频数据预处理； 2建立超声心动图视频半监督分割模型； 3构建自适应时空张量语义感知模块； 4构建记忆流模块； 5利用已有数据训练网络，得到网络模型； 6利用训练好的模型分割超声心动图视频； 所述步骤3按照如下方式进行：在ASTSA模块中，主要利用变换域张量奇异值分解算法提取视频特征张量χin中的主要语义成分，首先，给出变换域张量的定义：给定一个三维张量χin表示第n个正向切片给定一个变换和相应的逆变换可以得到和 定义给定张量张量和变换可表示如下， 其中，运算符×表示标准矩阵乘法，表示张量的正向切片块对角矩阵，定义如下， fold表示展开运算符，将重新变换为一个张量，如下式所示， 根据公式3，4和5，可以得到， 这意味着可以通过对和的每个正向切片在变换域中进行二维矩阵乘法操作得到； 对于三维张量自适应张量奇异值分解可表示如下， 其中，和是正交张量；是一个对角张量，其每个正向切片都是一个对角矩阵； 根据公式6和7，可以得到至此，自适应张量奇异值分解可以通过计算变换域中的张量的每个正向切片矩阵的奇异值分解方便地获得； 在SAMF-Net中，将每一帧提取出的语义特征按时间维度的顺序堆叠成一个高维特征张量并在变换域应用自适应张量奇异值阈值算法进行处理；具体计算表示如下， 其中，σ是奇异值阈值， 为感知时空语义，利用3D卷积学习基于超声心动图视频数据的变换和逆变换并将每个切面的奇异值阈值σ设置为网络中可以自动学习的参数；利用学习到的最佳阈值过滤张量的奇异值以保留最重要的语义成分，获得低秩的近似表示的特征张量表示如下， 其中，是复合运算符；最后，进一步利用融合模块来融合低秩近似特征张量和输入特征张量得到最终输出 所述步骤4按照如下方式进行：给定前一帧的分割帧特征Ft-1和预测掩模Mt-1，以及当前待分割帧的特征Ft，首先生成KeyK来计算像素级亲和系数，以及ValueV来存储用于分割的详细语义信息；然后利用MaxPool算子将Kt-1,Kt和Vt-1下采样到不同的尺度，得到和在每个尺度l上，分别计算亲和力系数，如下式所示， 其中，是和在第l尺度上的第h,j个像素位置处的归一化的亲和系数，c·,·是简化的L2相似度； 基于亲和力矩阵Al，从中可以得到有效特征 在获得所有尺度上的后，计算自适应聚合权重来融合它们，获得最终MF模块的输出特征Ftout。

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哈尔滨工业大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92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。