杭州普健医疗科技有限公司沈超杰获国家专利权
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!
龙图腾网获悉杭州普健医疗科技有限公司申请的专利一种基于血管拓扑引导的Couinaud肝段分割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:CN121685559B 。
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:202610190513.6,技术领域涉及:G06T7/10;该发明授权一种基于血管拓扑引导的Couinaud肝段分割方法及系统是由沈超杰;庞晓涛;陈丽苹;赵子豪设计研发完成,并于2026-02-10向国家知识产权局提交的专利申请。
本一种基于血管拓扑引导的Couinaud肝段分割方法及系统在说明书摘要公布了:本发明公开了一种基于血管拓扑引导的Couinaud肝段分割方法及系统,方法包括:获取并预处理三维CT影像数据,并对影像中的肝脏血管进行分割;根据肝脏血管的分割结果,构建用于表征血管空间分布与层级关系的血管拓扑图;将血管拓扑图输入图卷积神经网络进行高维结构化编码,提取血管的拓扑特征,并利用交叉注意力机制将该拓扑特征与肝段分割主干网络提取的图像特征进行融合;结合结构对比损失函数与全局记忆库对融合后的网络进行多中心训练优化,最终输出符合Couinaud分段解剖规律的多类别肝段分割结果。利用本发明实施例,能够实现从血管空间分布中直接推导出符合Couinaud分段标准的结果,提升分割的解剖学准确性和模型的泛化能力。
本发明授权一种基于血管拓扑引导的Couinaud肝段分割方法及系统在权利要求书中公布了:1.一种基于血管拓扑引导的Couinaud肝段分割方法,其特征在于,所述方法包括: 获取并预处理三维CT影像数据,并对影像中的肝脏血管进行分割,生成最终的肝脏血管分割结果与中心线骨架; 根据所述肝脏血管的分割结果,提取肝脏血管的拓扑结构、关键点及其几何特征,以构建用于表征血管空间分布与层级关系的血管拓扑图;其中,基于肝脏血管分割结果与中心线骨架,使用三维角点检测算法识别中心线骨架的分叉点与端点,将这些点定义为拓扑图的节点,生成血管关键点集合;计算每个关键点的几何特征,包括其在三维空间中的坐标、所在血管的半径估计值以及该关键点处的局部血管走向向量,生成关键点特征描述子;依据关键点之间的欧几里得距离,应用K近邻算法为每个关键点建立与其最邻近的K个点的连接关系,以此构建表征血管连通性的初始邻接矩阵;结合血管的解剖学先验知识对初始邻接矩阵进行校正,确保连接关系符合门静脉由粗到细、肝静脉由细到粗汇集的树状层级结构,最终生成完整的、包含节点特征与邻接关系的血管拓扑图; 将所述血管拓扑图输入图卷积神经网络进行高维结构化编码,提取血管的拓扑特征,并利用交叉注意力机制将该拓扑特征与肝段分割主干网络提取的图像特征进行融合,通过分割解码器最终输出初步的、融合了血管拓扑信息的肝段概率图; 结合结构对比损失函数与全局记忆库对融合后的网络进行多中心训练优化,以提升模型泛化能力与边界分割精度,最终输出符合Couinaud分段解剖规律的多类别肝段分割结果;其中,构建多中心训练数据集,该数据集包含来自不同医院、不同扫描设备的已标注CT影像,初始化一个全局记忆库用于存储来自各数据中心的、具有代表性的肝段特征原型;在肝段分割主干网络训练的前向传播过程中,计算初步肝段概率图与真实标签之间的基础分割损失,同时从初步概率图中提取每个肝段类别的区域特征,与全局记忆库中对应的特征原型进行对比;利用结构对比损失函数,最大化同一肝段类别在不同样本间的特征相似性,并最小化不同肝段类别间的特征相似性,以此拉近类内距离、推远类间距离,生成结构对比损失;将基础分割损失与结构对比损失加权结合,构成总训练损失,通过反向传播算法优化网络参数,并动态更新全局记忆库中的特征原型,经过多轮迭代训练后,肝段分割主干网络模型获得强泛化能力,对未见过的测试数据进行直接推理并输出高精度的、符合Couinaud八分段解剖规律的多类别肝段分割结果。
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杭州普健医疗科技有限公司,其通讯地址为:310007 浙江省杭州市西湖区西溪路525号A楼西区311室;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。
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。

皖公网安备 34010402703815号
请提出您的宝贵建议,有机会获取IP积分或其他奖励