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！

龙图腾网获悉深圳技术大学申请的专利一种基于半监督学习的肺部血管CT图像分割方法、系统、终端及存储介质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：CN121685538B 。

龙图腾网通过国家知识产权局官网在2026-05-05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：202610188178.6，技术领域涉及：G06T7/00；该发明授权一种基于半监督学习的肺部血管CT图像分割方法、系统、终端及存储介质是由梁芷晴;黄炳顶;李瑞;曾轲;苏李一磊设计研发完成，并于2026-02-10向国家知识产权局提交的专利申请。

本一种基于半监督学习的肺部血管CT图像分割方法、系统、终端及存储介质在说明书摘要公布了：本发明涉及图像处理技术领域，公开了一种基于半监督学习的肺部血管CT图像分割方法、系统、终端及存储介质，所述方法包括：构建深度图像分割模型，模型包括改进后编码器、改进后跳跃连接层和解码器；改进后编码器的底层设有主干增强模块，前四个下采样阶段均设有血管特征增强模块，改进后编码器每一级输出的特征图经血管特征增强模块进行增强后，基于改进后跳跃连接层与解码器对应级的特征图进行叠加；基于半监督训练框架，采用多维度复合损失函数对分割模型进行训练，得到目标图像分割模型；获取待处理的肺部血管CT图像并输入到目标图像分割模型进行分割，输出肺部血管CT图像的分割结果。本发明提高了肺部血管CT图像分割的精度。

本发明授权一种基于半监督学习的肺部血管CT图像分割方法、系统、终端及存储介质在权利要求书中公布了：1.一种基于半监督学习的肺部血管CT图像分割方法，其特征在于，所述的基于半监督学习的肺部血管CT图像分割方法包括： 构建基于U型网络架构的深度图像分割模型，所述深度图像分割模型包括改进后编码器、改进后跳跃连接层和解码器； 基于半监督训练框架，采用多维度复合损失函数对所述深度图像分割模型进行训练，得到目标图像分割模型； 获取待处理的肺部血管CT图像，将所述肺部血管CT图像输入到所述目标图像分割模型的所述改进后编码器进行级联下采样和特征增强，得到每一级的增强特征图，并通过所述改进后跳跃连接层，将每一级的增强特征图与所述解码器对应级的上采样特征图分别进行残差叠加，直至所述解码器上采样完成，输出所述肺部血管CT图像的分割结果； 所述将所述肺部血管CT图像输入到所述目标图像分割模型的所述改进后编码器进行级联下采样和特征增强，得到每一级的增强特征图，具体包括： 将所述肺部血管CT图像输入到所述目标图像分割模型的所述改进后编码器，依次通过五个级联下采样阶段； 其中，前四个下采样阶段中的每个阶段均依次通过一个残差卷积块和一个血管特征增强模块进行处理，第五个下采样阶段依次通过一个残差卷积块和一个多尺度时间卷积3D模块进行处理； 当每个下采样阶段处理完成后，输出当前阶段的增强特征图，在完成全部五个下采样阶段后，将得到的最深层次特征图通过主干增强模块进行强化与提纯，得到底部增强特征图； 将所述底部增强特征图以及前四个下采样阶段输出的增强特征图，分别传送至所述改进后跳跃连接层。

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深圳技术大学，其通讯地址为：518000 广东省深圳市坪山区石井街道兰田路3002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。