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！

龙图腾网获悉张瑞霞申请的专利一种多模态融合的医学图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：CN116993755B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202310571046.8，技术领域涉及：G06T7/11；该发明授权一种多模态融合的医学图像分割方法是由张瑞霞设计研发完成，并于2023-05-20向国家知识产权局提交的专利申请。

本一种多模态融合的医学图像分割方法在说明书摘要公布了：本申请涉及医学图像处理领域，尤其涉及一种多模态融合的医学图像分割方法。包括：确定多模态原始图像；进行分类处理，得到分类图像集；针对分类图像集进行预处理，得到预处理数据集；通过预处理数据集针对CNN网络结构进行训练，得到部位识别组合模型；通过预处理数据集针对U‑Net网络结构进行训练，得到分割组合模型；获取多模态待分割图片，针对待分割图片进行预处理，得到相应于待分割图片的待输入图片，以及依次输入识别组合模型和分割组合模型，得到分割图片。本申请通过设置部位分类组合模型，用于先针对多模态原始图片进行分类，得到部位名称，再根据部位名称，通过分割组合模型针对部位进行权重的分割处理，最终得到分割结果。

本发明授权一种多模态融合的医学图像分割方法在权利要求书中公布了：1.一种多模态融合的医学图像分割方法，其特征在于，包括： S1：确定关于若干个部位的若干种目标病症的若干张多模态原始图像； 针对多模态原始图像进行分类处理，得到关于部位的若干个分类图像集； S2：针对分类图像集进行关于目标病症的预处理，得到分别包括若干张待输入图片的若干个预处理数据集； S3：通过预处理数据集针对CNN网络结构进行训练，得到以多模态原始图像为输入项并且以部位名称为输出项的部位识别组合模型； 所述步骤S3包括： S31：确定CNN基础结构并且针对CNN基础结构中卷积层的卷积核进行分解处理，相应地得到CNN网络结构； S32：分别通过若干个分类图像集针对若干个CNN网络结构进行训练，得到若干个部位识别基础模型； S33：确定关于若干个部位的可表示部位相似度的呈分散状的联想树； 所述步骤S33包括： S331：确定若干个部位的多模态原始图片之间的相似度，以及确定相似阈值； S332：确定与剩余部位之间的相似度超过相似阈值最大的部位作为中心点； S333：在中心点的周围绘制若干条表示大于相似阈值的相似度的分散线，分散线的另一端相应地连接剩余部位中的一个； S334：针对若干个分散线另一端的部位，相应地绘制表示大于相似阈值的相似度的分散线； S335：重复所述步骤S334，直至可表示部位相似度的呈分散状的联想树； S34：根据联想树，针对若干个部位识别基础模型进行联想连接处理，相应地得到部位识别组合模型； S4：通过预处理数据集针对U-Net网络结构进行训练，得到以待输入图片为输入项并且以分割图片为输出项以及与所述部位识别组合模型连接的分割组合模型； 所述步骤S4包括： S41：根据每个部位的若干种目标病症，确定不同模态原始图片的初始训练权重； S42：确定包括编码子模型和解码子模型的U-Net基础结构； 基于初始训练权重，在U-Net基础结构中的解码子模型中引入多注意力机制，得到U-Net网络结构； S43：通过预处理数据集针对相应于不同初始训练权重的U-Net基础结构进行训练，得到相应于不同部位的分割基础模型； S44：基于部位，针对部位识别基础模型和分割基础模型进行连接，得到包括若干个分割基础模型的分割组合模型； S5：获取若干张多模态待分割图片，针对待分割图片进行预处理，得到相应于待分割图片的待输入图片，以及依次输入相应于待分割图片的待输入图片至部位识别组合模型和分割组合模型，得到相应于待分割图片的分割图片。

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张瑞霞，其通讯地址为：266700 山东省青岛市平度市旧店镇东于家屯村33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。