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！

龙图腾网恭喜长春理工大学申请的专利基于深度学习脑出血血肿分割及影像特征提取方法及系统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：CN119399225B 。

龙图腾网通过国家知识产权局官网在2025-05-16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：202411975629.8，技术领域涉及：G06T7/11；该发明授权基于深度学习脑出血血肿分割及影像特征提取方法及系统是由庞春颖;周苇锟;石乐民;李佳;李晶怡;张健宇;马圣哲;敖邦琪;赵家星;李燕;唐锦杰设计研发完成，并于2024-12-31向国家知识产权局提交的专利申请。

本基于深度学习脑出血血肿分割及影像特征提取方法及系统在说明书摘要公布了：基于深度学习脑出血血肿分割及影像特征提取方法及系统，涉及医学图像处理领域，解决了现有技术中计算机断层扫描时对不同层面的切片进行逐层分解的同时难以实现对图像进行特征提取的问题。所述方法包括：S1、获取脑出血图像及对应掩码，对所述脑出血图像及对应掩码进行预处理，将预处理后的数据保存在文件中；S2、S1中所述的文件采用自定义nii类型文件对脑出血图像进行分割，并构建U‑Net模型，通过深度残差瓶颈块和多个瓶颈块堆栈实现分割；S3、通过通道和空间的注意力机制完成对S2中已分割的脑出血图像进行特征提取，实现基于深度学习的脑出血血肿分割及影像特征提取。还适用于复杂图像处理领域中。

本发明授权基于深度学习脑出血血肿分割及影像特征提取方法及系统在权利要求书中公布了：1.基于深度学习的脑出血血肿分割及影像特征提取方法，其特征在于，所述方法包括：S1、获取脑出血图像及对应掩码，对所述脑出血图像及对应掩码进行预处理，将预处理后的数据保存在文件中；S2、S1中所述的文件采用自定义nii类型文件对脑出血图像进行分割，并构建U-Net模型，通过深度残差瓶颈块和多个瓶颈块堆栈实现分割；S3、通过通道和空间的注意力机制完成对S2中已分割的脑出血图像进行特征提取，实现基于深度学习的脑出血血肿分割及影像特征提取；S2中构建U-Net的网络模型的方法为：S2.1、输入瓶颈块通过conv1卷积核对输入张量进行处理；通过批量归一化层BatchNormalization对输出结果进行归一化处理；通过激活层ReLU将负值输出为0，保留正值；S2.2、定义BottleneckDownsampleBlock类，使用卷积和下采样操作接收输入张量X，所述输入张量X为前一层传递来的特征图；S2.3、对特征图应用另一个conv1x1卷积层进行处理，输入张量X经过卷积和下采样后的X_shortcut两个张量按元素相加，通过conv1卷积层来匹配X的通道数F3和空间尺寸；S2.4、定义UpSamplingAndConcatenation的类，用于进行上采样，并将特征图进行拼接；S2.5、使用tf.keras.layers.Concatenate将上采样后的特征图与跳跃连接特征图进行拼接，利用axis=3拼接特征图的通道，将两个张量沿着深度方向合并；S2.6、输入x通过Conv2DTranspose进行上采样，生成扩展后的特征图，使用Concatenate将扩展后的特征图与跳跃连接xskip拼接在一起；S2.7、将输入张量X进行残差块的处理，输出一个与输入形状相同的张量；S2.8、对输出的张量提取不同层次的特征；S2.9、使用upsample_and_concatenation函数，将上采样的特征图与对应的编码器层特征图进行拼接，每一层使用residual_block每个解码层由卷积操作和跳跃连接组成，完成对U-Net模型的构建。

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长春理工大学，其通讯地址为：130022 吉林省长春市卫星路7089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”。