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！

龙图腾网获悉北京航空航天大学申请的专利一种结合多视图几何及迁移学习的心脏CT影像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：CN115908451B 。

龙图腾网通过国家知识产权局官网在2025-12-23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：202211380668.4，技术领域涉及：G06T7/11；该发明授权一种结合多视图几何及迁移学习的心脏CT影像分割方法是由马辛;付幸文;杨念衡设计研发完成，并于2022-11-04向国家知识产权局提交的专利申请。

本一种结合多视图几何及迁移学习的心脏CT影像分割方法在说明书摘要公布了：本发明提供一种结合多视图几何及迁移学习的心脏CT影像分割方法，其由数据预处理，迁移学习以及后处理部分组成。数据预处理包含数据集拆分，无关区域剔除、位置嵌入、边界增强以及维度变换，作用是得到可用于训练和测试网络的数据集；迁移学习包含预训练、逻辑重整以及权重微调，作用是得到可用于心脏分割的最终权重；后处理包含推理预测以及逐点投票，作用是使用最终权重完成对三维CT影像的心脏分割并进一步优化得到最终的心脏模型。本发明通过运用多视图几何及迁移学习的方法，实现了对心脏模型的准确分割。

本发明授权一种结合多视图几何及迁移学习的心脏CT影像分割方法在权利要求书中公布了：1.一种结合多视图几何及迁移学习的心脏CT影像分割方法，其特征在于：由数据预处理、迁移学习以及预测和后处理组成；所述数据预处理包含数据集拆分、无关区域剔除、位置嵌入、边界增强以及维度变换，用于得到用于训练和测试网络的数据集；所述迁移学习包含预训练、逻辑重整以及权重微调，用于得到用于心脏分割的最终权重；所述预测和后处理包含推理预测以及逐点投票，用于使用所述最终权重完成对三维CT影像的心脏分割并进一步优化得到最终的心脏模型，具体包括以下步骤： 步骤1、将所有的三维CT影像原数据拆分为训练集和验证集，训练集的数据个数定义为n，验证集的数据个数定义为m； 步骤2、使用ReLU函数将训练集和验证集中像素值小于0的无关区域置0得到影像CT1； 步骤3、对影像CT1实行位置嵌入得到影像CT2； 步骤4、对影像CT1实行边界增强得到影像CT3； 步骤5、对影像CT1、影像CT2、影像CT3均增加一个通道维度并在通道维度进行拼接得到四维的影像CT4； 步骤6、对影像CT4分别按照X，Y，Z三个轴进行切片得到x+y+z个三维的影像CT5，其中，x为CT影像原始数据中x轴的维度值，y为CT影像原始数据中y轴的维度值，z为CT影像原始数据中z轴的维度值； 步骤7、对训练集和验证集中每个三维CT影像原数据都实行上述步骤2到6得到n×x+y+z个影像CT5和m×x+y+z个影像CT5； 步骤8、使用ImageNet数据集对骨干网络ResNet进行预训练得到预训练权重； 步骤9、调整ResNet的网络架构实现对ResNet中的各级残差块输出的特征图进行逻辑重整，得到骨干网络ResNet-DD+； 步骤10、构建DeepLabV3+网络框架，并使用骨干网络ResNet-DD+作为DeepLabV3+的特征提取骨干网络，得到DeepLabV3+-DD+； 步骤11、使用n×x+y+z个影像CT5对加载了预训练权重的DeepLabV3+-DD+进行微调，并使用m×x+y+z个影像CT5进行测试，收敛后得到最终权重； 步骤12、对每个测试的三维CT影像原数据实行步骤2到6得到x+y+z个影像CT5，使用加载最终权重的DeepLabV3+-DD+分别对x个影像CT5、y个影像CT5、z个影像CT5进行分割并在对应的X、Y、Z轴堆叠得到影像CTX、影像CTY、影像CTZ； 步骤13、对影像CTX、影像CTY、影像CTZ实行逐点投票法得到最终的心脏模型。

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北京航空航天大学，其通讯地址为：100191 北京市海淀区学院路37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。