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！

龙图腾网获悉中国人民解放军陆军军医大学第一附属医院申请的专利基于多模态与深度学习的肿瘤CT图像智能分割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：CN120612339B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202510852738.9，技术领域涉及：G06T7/11；该发明授权基于多模态与深度学习的肿瘤CT图像智能分割系统是由李可;陈伟;杨靖;陈品珍;李静设计研发完成，并于2025-06-24向国家知识产权局提交的专利申请。

本基于多模态与深度学习的肿瘤CT图像智能分割系统在说明书摘要公布了：本发明公开了基于多模态与深度学习的肿瘤CT图像智能分割系统，涉及图像分割技术领域，包括数据收集模块、数据标记模块、数据处理与调整模块、循环控制模块和数据库模块，数据收集模块用于收集胶质瘤患者的肿瘤CT图像，数据标记模块用于获取x个人工进行像素级标注的肿瘤标注CT图像，数据处理与调整模块用于获取目标分割CT图像、关联信息、区域特征信息和特征统计信息，获取特征权重、区域特征得分和调整后分割阈值，循环控制模块用于判定并智能执行分割结果，本发明在多模态数据融合与深度学习的基础上，能够确定各特征对目标区域识别的重要性，全面评估区域与目标区域的匹配程度，并适应不同图像特征从而实现精准分割。

本发明授权基于多模态与深度学习的肿瘤CT图像智能分割系统在权利要求书中公布了：1.基于多模态与深度学习的肿瘤CT图像智能分割系统，其特征在于，包括数据收集模块、数据标记模块、数据处理与调整模块、循环控制模块和数据库模块； 所述数据收集模块，用于收集胶质瘤患者的肿瘤CT图像，并传输至所述数据标记模块； 所述数据标记模块，用于获取x个人工进行像素级标注的肿瘤标注CT图像； 其中，所述像素级标注包括有背景、水肿区、坏死区和增强区； 根据系统预先设定的诊断设定特征，提取包含目标与非目标图像区域的目标分割CT图像，并利用所述数据收集模块获取所述目标分割CT图像中的特征统计信息和区域特征信息； 根据所述目标分割CT图像，获取关联信息； 所述数据处理与调整模块，用于获取所述目标分割CT图像、所述关联信息、所述区域特征信息和所述特征统计信息； 根据所述关联信息和所述特征统计信息，获取特征权重； 根据所述特征权重和所述区域特征信息，获取区域特征得分； 根据所述目标分割CT图像中的所有所述区域特征得分，以及从所述数据库模块获取的分割调整依据阈值和调整系数，获取调整后分割阈值； 所述循环控制模块，用于接收所述调整后分割阈值与所述区域特征得分，并根据所述调整后分割阈值与所述区域特征得分进行对比后的对比结果，判定并智能执行分割结果； 所述诊断设定特征包括有炎症诊断特征和生长代谢诊断特征； 所述炎症诊断特征以所述水肿区为诊断的目标特征； 所述生长代谢诊断特征以所述坏死区为诊断的目标特征； 所述特征统计信息包括有单特征出现次数和总特征出现次数； 根据所述单特征出现次数和所述总特征出现次数的比例关系，获取单特征的特征占比； 将根据所述特征统计信息获取的所述特征占比与所述关联信息相乘，获取每一特征的所述特征权重； 所述区域特征信息包括有区域单特征平均值以及每一特征的所述特征权重； 具体如下： 将每一目标与非目标图像区域的所述关联信息和所述特征统计信息进行同一区域同一特征的匹配后，获取每一区域每一特征的所述特征权重； 根据所述目标分割CT图像，获取每一目标与非目标图像区域的区域内特征量和区域内多特征信息； 所述区域内多特征信息包括有灰度特征、纹理特征和形状特征； 基于所述区域内多特征信息，所述区域内特征量的值为3； 将所述区域内特征量和所述区域特征匹配每一目标与非目标图像区域进行整合的平均化处理后，获取每一区域的所述区域单特征平均值； 根据所述特征权重和所述区域特征信息所获取的所述区域单特征平均值、所述区域内特征量和当前区域特征权重，最终获取每一区域的所述区域特征得分。

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人民解放军陆军军医大学第一附属医院，其通讯地址为：400038 重庆市沙坪坝区滩岩正街30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。