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！

龙图腾网获悉之江实验室申请的专利基于三维轻量化卷积神经网络的医学图像配准方法及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：CN116580067B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202211600322.0，技术领域涉及：G06T7/30；该发明授权基于三维轻量化卷积神经网络的医学图像配准方法及装置是由李印豪;基隆若沙库提提郎;刘婧;胡季宏;许莹莹;陈延伟;童若锋;林兰芬设计研发完成，并于2022-12-13向国家知识产权局提交的专利申请。

本基于三维轻量化卷积神经网络的医学图像配准方法及装置在说明书摘要公布了：本发明公开了一种基于三维轻量化卷积神经网络的医学图像配准方法及装置，该方法将待配准的三维医学图像与目标三维医学图像输入到三维轻量化卷积神经网络中，将原图像拆分成尺寸较小的三维图像后，构建基于跨通道低维卷积核的轻量化特征融合模块并将其作为基本处理单元嵌入到基于三维残差密集连接结构的骨干网络中，让该网络学习输入图像之间的变形场实现三维图像配准。本发明使用高精度的三维残差密集网络与高效率的轻量化特征融合模块，依靠少量参数实现快速准确的三维医学图像配准，可有效降低对于医学图像的数据量的需求和实际测试时所需时间成本。

本发明授权基于三维轻量化卷积神经网络的医学图像配准方法及装置在权利要求书中公布了：1.一种基于三维轻量化卷积神经网络的医学图像配准方法，其特征在于，包括以下步骤： 步骤一：获取待配准三维医学图像与目标三维医学图像，并对图像做预处理； 步骤二：构建三维轻量化卷积神经网络，其主干模型为三维残差密集连接网络，将原残差密集连接网络中的标准二维卷积全部替换为标准三维卷积，再构建基于跨通道低维卷积核的轻量化特征融合模块，利用跨通道的二维卷积核进行特征融合与通道合并，调整特征图数量，并将轻量化特征融合模块作为基本卷积处理单元替代主干模型第一个卷积层与最后一个卷积层以外的所有标准三维卷积； 所述轻量化特征融合模块具体实现如下特征融合过程： 1利用逐点卷积，将上一层输出的特征图数量S缩减至μS，μ为缩减系数； 2利用跨通道的二维卷积核，对步骤1输出的所有特征图的X方向上进行特征融合； 3利用跨通道的二维卷积核，对步骤1输出的所有特征图的Y方向上进行特征融合； 4利用跨通道的二维卷积核，对步骤1输出的所有特征图的Z方向上进行特征融合； 5利用跨通道的二维卷积核，对步骤2输出的所有特征图的X方向上进行特征融合； 6将步骤2与步骤3的输出进行通道合并，之后利用跨通道的二维卷积核，对所有特征图的Y方向上进行特征融合； 7将步骤2、步骤3、步骤4的输出进行通道合并，之后利用跨通道的二维卷积核，对所有特征图的Z方向上进行特征融合； 8将步骤5、步骤6、步骤7的输出进行通道合并，之后利用跨通道的二维卷积核，对所有特征图的X方向上进行特征融合； 9将步骤5、步骤6、步骤7的输出进行通道合并，之后利用跨通道的二维卷积核，对所有特征图的Y方向上进行特征融合； 10将步骤5、步骤6、步骤7的输出进行通道合并，之后利用跨通道的二维卷积核，对所有特征图的Z方向上进行特征融合； 11将步骤8、步骤9、步骤10的输出进行通道合并，之后利用逐点卷积，将特征图数量调整至T，默认与S相等； 步骤三：将待配准三维医学图像与目标三维医学图像输入到三维轻量化卷积神经网络中；利用步骤二中建立的三维轻量化卷积神经网络学习预测待配准的三维医学图像与目标三维医学图像之间的三维变形场； 步骤四：基于三维变形场将待配准图像进行非刚性形变，实现医学图像配准。

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之江实验室，其通讯地址为：311121 浙江省杭州市余杭区之江实验室南湖总部；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。