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！

龙图腾网获悉宝鸡市中心医院申请的专利基于解剖结构特征识别的骨科手术关键点定位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：CN121600073B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202610113557.9，技术领域涉及：G06T7/73；该发明授权基于解剖结构特征识别的骨科手术关键点定位方法及系统是由段冰;刘俊;王麒;贺心宇设计研发完成，并于2026-01-28向国家知识产权局提交的专利申请。

本基于解剖结构特征识别的骨科手术关键点定位方法及系统在说明书摘要公布了：本发明涉及图像特征识别技术领域，具体为基于解剖结构特征识别的骨科手术关键点定位方法及系统，包括以下步骤：基于人体解剖学标准构建表征生物力学连接关系的先验骨骼拓扑图，利用图注意力机制执行多尺度解剖特征图与先验骨骼拓扑图之间的语义映射与特征聚合以生成节点增强特征向量，基于节点增强特征向量进行空间坐标回归计算并输出手术关键点坐标。本发明中，通过引入解剖学拓扑先验知识作为特征提取的全局约束条件，利用图结构的信息传递机制有效捕获了骨骼关键点之间的几何依赖关系，解决了传统方法在面对骨折移位、骨质增生或组织遮挡等复杂病理场景时因局部特征模糊而导致的定位偏差问题，实现了高精度、高鲁棒性的手术关键点定位。

本发明授权基于解剖结构特征识别的骨科手术关键点定位方法及系统在权利要求书中公布了：1.基于解剖结构特征识别的骨科手术关键点定位方法，其特征在于，包括以下步骤： S1：获取骨科医学影像数据，对所述骨科医学影像数据执行灰度归一化及去噪预处理，并将处理后的所述骨科医学影像数据输入至多层级卷积神经网络模型中执行特征编码运算，提取多尺度解剖特征图； S2：依据解剖学标准形态学知识构建先验骨骼拓扑图，其中节点代表解剖标志点且边表征标志点之间固有的生物力学连接路径，并对所述先验骨骼拓扑图中的节点状态进行位置嵌入编码以构建图结构嵌入矩阵； S3：建立所述多尺度解剖特征图与所述图结构嵌入矩阵之间的注意力映射机制，计算图像特征像素点与拓扑节点之间的语义相关度权重矩阵，利用图卷积网络对高响应区域的特征进行聚合更新及对齐，生成节点增强特征向量； S4：将所述节点增强特征向量输入至空间坐标回归网络层进行位置解码及回归计算，预测解剖关键点在图像坐标系下的概率分布热图，并依据所述概率分布热图的峰值响应位置结合几何拓扑约束规则进行坐标修正，输出手术关键点坐标； 所述S2的步骤具体为： S21：依据人体骨骼解剖学图谱定义的标准形态结构，筛选具有高临床辨识度的解剖标志点作为图结构的顶点，并根据骨骼的生理连接关系及关节活动的生物力学传导路径定义顶点之间的边，构建所述先验骨骼拓扑图； S22：解析所述先验骨骼拓扑图中多个顶点在标准解剖模板中的初始空间坐标，利用正弦位置编码函数将顶点的二维坐标信息映射为高维稠密向量，并结合顶点的类别语义标签生成初始节点状态向量； S23：利用图注意力层对所述初始节点状态向量及其邻接节点的特征进行加权聚合，通过可学习的线性变换矩阵将包括位置信息与语义信息的节点特征投影至统一的嵌入空间，建立所述图结构嵌入矩阵； 所述S3的步骤具体为： S31：将所述图结构嵌入矩阵作为查询向量，将所述多尺度解剖特征图展平后的像素特征序列作为键向量与值向量，通过点积运算计算每个拓扑节点与图像全局像素点之间的相似性度量值，并经由归一化指数函数处理，生成所述语义相关度权重矩阵； S32：利用所述语义相关度权重矩阵对所述多尺度解剖特征图进行加权求和及特征重组，从全局图像特征中提取与目标解剖标志点高度相关的局部视觉特征，并将所述局部视觉特征与对应的图结构节点嵌入特征进行拼接融合，生成融合节点特征； S33：将所述融合节点特征输入至图卷积网络层，依据所述先验骨骼拓扑图的邻接关系矩阵在相邻节点间传播并聚合特征信息，利用非线性激活函数对聚合后的特征进行更新与对齐，生成所述节点增强特征向量； 计算所述语义相关度权重矩阵的过程具体包括： 获取所述图结构嵌入矩阵与所述多尺度解剖特征图，构建用于衡量拓扑节点与特征像素之间关联强度的注意力评分模型，并依据以下公式计算语义相关度权重： ； 其中，代表第个拓扑节点与第个图像像素点之间的所述语义相关度权重矩阵中的元素数值，代表所述图结构嵌入矩阵中第个节点的特征向量，代表所述多尺度解剖特征图中第个像素位置的特征向量，代表将节点嵌入映射为查询向量的可学习权重矩阵，代表将图像特征映射为键向量的可学习权重矩阵，代表键向量的特征维度数值，代表所述多尺度解剖特征图中像素点的总数量； 所述S4的步骤具体为： S41：将所述节点增强特征向量输入至由多层转置卷积层构成的所述空间坐标回归网络层，通过逐步上采样操作恢复特征图的空间分辨率，并利用一系列1x1卷积层将特征通道数映射为关键点类别数，生成所述概率分布热图； S42：遍历所述概率分布热图中的每一个像素点，采用可微的软最大化操作提取热图中响应值最高的亚像素位置作为初始预测坐标，并计算位置周围像素梯度的重心以进一步精细化定位关键点的中心坐标； S43：计算所述初始预测坐标之间的欧氏距离与相对角度，将其与标准人体骨骼模型的几何统计参数进行比对，针对超出预设生理合理性阈值的异常坐标点，利用惩罚损失函数反向微调坐标位置，输出所述手术关键点坐标； 所述几何拓扑约束规则的执行过程具体包括： 获取所述初始预测坐标的集合，基于骨骼刚性连通特性构建关键点之间的几何约束损失函数，利用梯度下降方向对预测坐标进行迭代修正，所述修正过程依据以下公式执行： ； 其中，代表修正后的所述手术关键点坐标，代表热图回归得到的所述初始预测坐标，代表与当前关键点存在解剖连接关系的相邻关键点的坐标，代表相邻关键点的集合，代表欧几里得范数运算，代表依据统计学先验知识设定的两个关键点之间的标准解剖距离，代表控制几何约束强度的正则化系数。

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宝鸡市中心医院，其通讯地址为：721000 陕西省宝鸡市渭滨区姜潭路8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。