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！

龙图腾网获悉中国矿业大学;徐州市第一人民医院申请的专利一种融合相对位置信息的超声心动图可靠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：CN116912494B 。

龙图腾网通过国家知识产权局官网在2026-01-30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：202310872039.1，技术领域涉及：G06V10/26；该发明授权一种融合相对位置信息的超声心动图可靠分割方法是由徐晓;张孟璐;陈炳华;杨旭;尹雨晴;鲍衷旭;姜舒;陆璐琦;牛强设计研发完成，并于2023-07-17向国家知识产权局提交的专利申请。

本一种融合相对位置信息的超声心动图可靠分割方法在说明书摘要公布了：本发明公开一种融合相对位置信息的超声心动图可靠分割方法，首先利用数据标注策略对预处理后的超声心动图数据进行标注，然后利用生成对抗网络算法对已标注的超声心动图数据进行增强操作，构建高质量超声心动图数据集，然后再通过超声心动图数据集和深度学习的方式建立了适用于超声图像的深度卷积神经网络模型的预训练模型，再结合transformer神经网络结构中的位置编码向量，分析出超声心动图的相对位置信息，构建面向超声心动图的适用于四腔心结构的图像可靠分割模型，有效地提高了图像分割的准确率及分割效率。最后，利用Birch聚类算法对超声心动图进行多次重复聚类，实现了边缘等部位的可靠精确分割，从而实现了超声心动图的可靠精确分割。

本发明授权一种融合相对位置信息的超声心动图可靠分割方法在权利要求书中公布了：1.一种融合相对位置信息的超声心动图可靠分割方法，其特征在于，包括以下步骤： 步骤一：构建超声心动图数据集：对超声心动图数据进行预处理，然后根据超声心动图数据标注策略对预处理后的超声心动图数据进行标注，最后利用生成对抗网络算法对已标注的超声心动图数据进行数据增强操作，以此构建高质量超声心动图数据集； 步骤二：通过超声心动图数据集构建深度卷积神经网络的预训练模型； 步骤三：利用心脏四腔心结构中位置信息固定的特点，将Transformer神经网络结构中的位置编码向量融入到已训练的深度卷积神经网络模型中，对超声心动图中的每一个像素点进行编码，分析出超声心动图的相对位置信息，构建出适用于四腔心结构的图像可靠分割模型； 步骤四：将经过预处理后的超声心动图输入至适用于四腔心结构的图像可靠分割模型中进行图像分割，基于分割之后的结果，利用Birch聚类算法对超声心动图进行多次重复聚类，以实现超声心动图的可靠精确分割； 所述步骤三具体方法如下： 在所述深度卷积神经网络模型的编码层和解码层输入中添加一个Transformer神经网络结构中的位置编码向量，该向量用于决定当前词的位置及在一个句子中不同词之间的距离，通过将所述位置编码向量与词嵌入向量相加，使所述深度卷积神经网络模型在输入序列中的每个位置上都包含了位置信息，所述位置编码向量表达式如下： ； 式中，PE为二维矩阵，大小跟输入词嵌入的维度一样，行表示词语，列表示词向量；pos表示词语在句子中的位；dmodel表示词向量的维度；i表示词向量的位置； 上述公式表示在每个词语的词向量的偶数位置添加sin变量，奇数位置添加cos变量，以此来填满整个PE矩阵，然后加到深度卷积神经网络模型中，以此完成位置编码的融入，从图像的角度来看，pos代表超声心动图的行，i代表当前行对应的列，以此来对超声心动图图像中的每一个像素点进行编码，从而构建出适用于四腔心结构的图像可靠分割模型。

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中国矿业大学;徐州市第一人民医院，其通讯地址为：221000 江苏省徐州市大学路1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。