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！

龙图腾网获悉哈尔滨工业大学申请的专利一种基于多模态超声图像的乳腺肿瘤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：CN119919431B 。

龙图腾网通过国家知识产权局官网在2026-04-28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：202411833353.X，技术领域涉及：G06T7/11；该发明授权一种基于多模态超声图像的乳腺肿瘤分割方法是由赵悦;尹汉龙;陶琳;陈晰设计研发完成，并于2024-12-13向国家知识产权局提交的专利申请。

本一种基于多模态超声图像的乳腺肿瘤分割方法在说明书摘要公布了：一种基于多模态超声图像的乳腺肿瘤分割方法，为解决现有乳腺超声图像分割技术易将伪影和低回声区域错误识别为肿瘤、肿瘤边界分割精度低的问题，包括1、获取配对的B型超声图像和应变弹性图像，构造多模态乳腺超声图像数据集；2、搭建基于特征矫正对齐和边界不确定性增强的多模态图像分割模型算法；3、采用五折交叉验证的方式训练基于特征矫正对齐和边界不确定性增强的多模态图像分割模型，保存表现最优模型参数；4、加载最优模型参数，对验证集内图像进行推理预测，计算在验证集上的评价指标，与当前其他先进算法进行对比。本发明能有效提高超声图像中乳腺肿瘤的分割精度，提高网络预测的准确性。本发明属于计算机视觉、深度学习和医学图像分割领域。

本发明授权一种基于多模态超声图像的乳腺肿瘤分割方法在权利要求书中公布了：1.一种基于多模态超声图像的乳腺肿瘤分割方法，其特征在于，包括以下步骤： 步骤1、获取配对的B型超声图像和应变弹性图像，构造多模态乳腺超声图像数据集； 步骤2、搭建基于特征矫正对齐和边界不确定性增强的多模态图像分割模型； 所述模型由两个独立的主干分支网络、基于注意力的特征矫正聚合模块和边界不确定性增强模块组成； 其中，两个所述主干分支网络为在ImageNet数据集上预训练的ResNet-34网络，用于分别提取所述B型超声图像和应变弹性图像的四个不同尺度的特征； 所述基于注意力的特征矫正聚合模块用于对两种模态的同尺度特征进行融合，其包括： 特征矫正部分，特征矫正部分利用空间引导注意力模块提取不同模态的有效空间特征来引导除去另一种模态存在的噪声和干扰； 特征对齐部分，对矫正后的两种模态特征分别进行多尺度特征映射，所述多尺度特征映射通过并行使用1×1、3×3和5×5的卷积核操作并相加实现，继而采用交叉注意力机制对映射后的特征进行对齐与聚合，得到融合特征； 所述边界不确定性增强模块，其包括：对初始分割结果进行反向操作生成反向显著图，并结合边界图与初始分割结果生成不确定性增强特征图；将该特征图与所述特征矫正聚合模块输出的融合特征进行融合，并通过自注意力机制计算，得到最终分割结果； 模型的训练总损失函数由深监督损失、初始分割损失和最终分割损失三部分组成，其定义为： Ltotal＝Lfinal+Laux+λ1·Linit 其中，为权重系数，取值为0.2； 步骤3、采用五折交叉验证的方式训练所述多模态图像分割模型，保存表现最优的模型参数； 步骤4、加载所述最优模型参数，对验证集图像进行推理预测，并计算在验证集上的评价指标。

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哈尔滨工业大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92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。