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！

龙图腾网获悉吉林大学申请的专利基于多任务学习的CT图像中阳性淋巴结的分割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：CN119693482B 。

龙图腾网通过国家知识产权局官网在2025-10-24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：202411746856.3，技术领域涉及：G06T11/00；该发明授权基于多任务学习的CT图像中阳性淋巴结的分割方法是由时小虎;张驰;李齐阳设计研发完成，并于2024-12-02向国家知识产权局提交的专利申请。

本基于多任务学习的CT图像中阳性淋巴结的分割方法在说明书摘要公布了：本发明适用于CT图像处理技术领域，提供了基于多任务学习的CT图像中阳性淋巴结的分割方法，包括：对CT图像序列进行预处理并增强数据，构建多任务深度学习模型，通过编码器提取特征，利用分类模块执行分类任务，利用分割模块结合分类结果对阳性淋巴结进行分割。本发明在分类准确率可达91.1%和分割的DICE系数可达到0.602上均表现出色，优于单独的2D分割模型，与3D分割模型相比，本发明保持相近分割性能且推理时间更短。本发明能同时完成对CT图像中针对阳性淋巴结的分类与分割任务，减轻了医生的工作负担，提高了医生的诊疗效率，填补了鼻咽癌患者头颈部CT图像中同时进行阳性淋巴结判断与勾画的空白。

本发明授权基于多任务学习的CT图像中阳性淋巴结的分割方法在权利要求书中公布了：1.基于多任务学习的CT图像中阳性淋巴结的分割方法，其特征在于，包括以下步骤： 步骤1、预处理：对获取的CT图像序列进行预处理，并加入数据增强操作； 步骤2、构建多任务深度学习模型，模型包括编码器、分类模块和分割模块； 步骤3、特征提取：采用编码器进行特征提取，编码器使用多层卷积神经网络提取图像的局部特征并逐渐聚拢，同时使用池化操作减少特征尺寸，最终得到所需特征； 步骤4、分类任务：采用分类模块执行分类任务，分类模块以步骤3中提取的特征为输入，通过计算得到每个特征的分类结果； 输出0代表分类模块认为特征对应的CT切片没有阳性淋巴结，输出1代表分类模块认为特征对应的CT切片存在阳性淋巴结； 步骤5、分割任务：采用分割模块执行分割任务，分割模块以步骤3中提取的特征为输入，通过还原特征尺寸得到每个特征的分割结果，再通过分类结果去除无用的分割结果，最终获得仅存在阳性淋巴结的CT切片的分割结果； 所述编码器由堆叠的4层down模块组成，每个down模块均包含两次卷积、批归一化、激活函数操作，最后经过最大池化层完成下采样操作；经过编码器处理，每一张CT切片均得到一个与之对应的特征向量； 所述分类模块由多个1×1卷积层与全连接层组成，每个1×1卷积层用于降低特征的维度，最后将特征展平并通过全连接层映射到输出类别，得到分类结果； 所述分割模块由融合模块与4个up模块组成；融合模块包含两次SEblock、1×1卷积、批归一化、激活函数操作；SEblock通过挤压与激励两个操作，抑制数据中不重要的通道并赋予低权值，鼓励数据中重要的通道并赋予高权重；每个up模块均包含两次卷积、批归一化、激活函数操作，最后通过转置卷积进行上采样；每个up模块的输入均由两部分组成，一部分是上一层网络的输出，另一部分是对应down模块对第i张切片的输出。

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吉林大学，其通讯地址为：130012 吉林省长春市前进大街2699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。