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！

龙图腾网恭喜厦门理工学院申请的专利多模态协同增强与动态对齐的血管图像分割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：CN119888241B 。

龙图腾网通过国家知识产权局官网在2025-05-23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：202510386253.5，技术领域涉及：G06V10/26；该发明授权多模态协同增强与动态对齐的血管图像分割方法及装置是由林泽杭;杜侠;李林;朱顺痣设计研发完成，并于2025-03-31向国家知识产权局提交的专利申请。

本多模态协同增强与动态对齐的血管图像分割方法及装置在说明书摘要公布了：本发明提供了多模态协同增强与动态对齐的血管图像分割方法及装置，涉及深度学习与图像处理技术领域。本发明通过获取不同模态的3D血管原图像集，并经切分与模态特征标记融合后，利用扩散模型进行去噪与增强生成模态嵌入图；将模态嵌入图输入改进的3DUNet编码器提取多尺度低级特征；基于图神经网络对低级特征进行全局特征增强与动态对齐，生成对齐高级特征；通过计算对齐高级特征的特征信息熵并进行动态权重融合,得到模态协同特征；基于正、负样本对的对比学习以优化模态协同特征之间的差异表示，得到融合特征；将融合特征输入解码器生成血管分割结果。本发明能高效捕捉不同模态细小血管的形态特征，显著提升多模态血管图像的分割精度与鲁棒性。

本发明授权多模态协同增强与动态对齐的血管图像分割方法及装置在权利要求书中公布了：1.一种多模态协同增强与动态对齐的血管图像分割方法，其特征在于，包括：S1,获取不同模态的3D血管原图像集；S2,对所述3D血管原图像集的每张图像进行切分，将切分得到的局部补丁与标记有对应模态特征的小切块进行融合，再利用预训练的扩散模型对标记融合后的图像进行去噪与增强处理，生成模态嵌入图；S3,将所述模态嵌入图输入含有并行多尺度分支结构的3DUNet编码器，提取出多尺度低级特征；S4,基于图神经网络，对所述多尺度低级特征进行全局特征增强与动态对齐，生成对齐高级特征，具体为：将所述多尺度低级特征作为图节点，模态间的关系作为边，构建特征关系图G；通过图神经网络的消息传递机制传播更新特征关系图G的特征，公式为： ；其中，为第层的特征表示；A为特征关系图的邻接矩阵；为聚合函数；为可训练参数；为激活函数；m表示图像的模态索引；基于不同模态的特征分布不一致性的特点，通过计算各模态特征的均值μ和标准差σ，利用模态归一化调整特征分布，以对不同模态的特征进行动态对齐，生成对齐高级特征，公式为： ；其中，为对齐高级特征；和为可学习参数；为图神经网络传播更新后的特征；为特征对应的均值；为特征对应的标准差；S5,通过计算所述对齐高级特征的特征信息熵并自适应生成动态权重进行融合,以实现多模态特征的协同增强，得到模态协同特征，具体为：计算每个模态的对齐高级特征的信息熵，以衡量模态特征的不确定性，公式为： ；其中，为m模态特征的信息熵；表示对齐高级特征在特征空间中的概率分布；基于计算出的信息熵，利用指数归一化策略通过单层多层感知机生成各模态的动态权重： ；其中，为m模态的归一化权重；为模态特征的信息熵；m、表示图像的模态索引；基于计算出的动态权重，对不同模态的对齐高级特征进行加权融合，以生成最终的模态协同特征，公式为： ；其中，为所述模态协同特征；S6,基于正样本和负样本的对比学习，优化所述模态协同特征的模态间差异表示，并将优化后的特征进行融合，得到融合特征；S7,将所述融合特征输入解码器，生成最终的血管分割结果。

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厦门理工学院，其通讯地址为：361024 福建省厦门市集美区理工路600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”。