Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 上海理工大学;上海市第四人民医院孙红获国家专利权

上海理工大学;上海市第四人民医院孙红获国家专利权

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!

龙图腾网获悉上海理工大学;上海市第四人民医院申请的专利一种三维脊椎MR图像自动分割装置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:CN115372872B

龙图腾网通过国家知识产权局官网在2026-03-20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:202111551725.6,技术领域涉及:G01R33/48;该发明授权一种三维脊椎MR图像自动分割装置是由孙红;莫光萍;徐广辉;徐立萍;赵迎志;王哲;杨晨;袁巫凯设计研发完成,并于2021-12-17向国家知识产权局提交的专利申请。

一种三维脊椎MR图像自动分割装置在说明书摘要公布了:本发明公开了一种三维脊柱MR图像自动分割检测方法,包括以下步骤:获取三维脊柱MR图像,成为数据集,并将数据集分为训练集与测试集;对获取的三维脊柱MR图像进行预处理,将训练集中的三维图像转换为二维切片数据,将测试集中的三维图像压缩为h5文件;构建TransUNet网络,并使用训练集训练TransUNet网络,得到训练好的网络模型;使用训练好的网络模型对测试集中的数据做分割测试,得到预测的分割结果;将待分割的三维脊柱MR图像输入训练好的网络模型中,获得分割结果。本发明的一种三维脊椎MR图像自动分割装置,适用于脊柱MR图像,可提取局部特征也可以提取图像全局特征。

本发明授权一种三维脊椎MR图像自动分割装置在权利要求书中公布了:1.一种三维脊柱MR图像自动分割检测方法,其特征在于,包括以下步骤: 获取三维脊柱MR图像,成为数据集,并将所述数据集分为训练集与测试集;获取三维脊柱MR图像包括已标注的脊柱T2加权矢状位MR图像数据集,得到脊柱各椎骨区域的分割掩模图例;所述分割掩模图例包括20个类别,包括背景、10块椎骨和9块椎间盘,并对20个类别用不同的灰度级别进行区分; 将经过区分后的所述分割掩模图例的前若干例图像作为测试集,剩下的图例作为训练集; 对获取的三维脊柱MR图像进行预处理,将所述训练集中的三维图像转换为二维切片数据,将所述测试集中的三维图像压缩为h5文件;将三维脊柱MR图像从nii.gz格式转换为numpy格式,并剪裁成[-125,275]区域内的图像,并将剪裁后的三位图像归一化为[0,1],形成二维切片,从训练集图像中提取每例图像的二维切片作为最终的训练集,测试集中的图像压缩为npy.h5格式文件用于测试,作为最终的测试集; 构建TransUNet网络,并使用所述训练集训练所述TransUNet网络,得到训练好的网络模型;将TransUNet网络分为encoder与decoder两部分,encoder由3层卷积层与12块transformerblock组成,encoder对输入的二维切片进行特征提取,decoder包括上采样、卷积与跳跃连接,decoder将encoder中的特征扩展至与原输入图像尺寸相同,并输出预测分割图;一个transformerblock包括层归一化LN、注意力计算MSA、残差连接和多层感知连接MLP;在3层卷积层输出的结果输入12块transformerblock之前,模型将2维的图像数据展开为1维序列作为transformer的常规输入数据;每块transformerblock计算步骤相同; Z’=MLPLNMSALNZ0+Z0+MSALNZ0+Z0 定义展开的1维序列为X,位置标识为Epos,Epos在模型中是通过模型训练得到的参数,transformer的最终输入Z0=X+Epos,其中,Z0首先经过层归一化LN再进行注意力计算,Epos在模型中是通过模型训练得到的参数; 使用所述训练好的网络模型对所述测试集中的数据做分割测试,得到预测的分割结果; 将待分割的三维脊柱MR图像输入所述训练好的网络模型,得到最终分割结果。

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上海理工大学;上海市第四人民医院,其通讯地址为:200093 上海市杨浦区军工路516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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。