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！

龙图腾网获悉珠海横乐医疗科技有限公司申请的专利基于多尺度特征学习网络的冠脉CTA分割方法和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：CN113920132B 。

龙图腾网通过国家知识产权局官网在2025-06-06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：202111117885.X，技术领域涉及：G06T7/11；该发明授权基于多尺度特征学习网络的冠脉CTA分割方法和系统是由朱建军;王澄;滕皋军设计研发完成，并于2021-09-23向国家知识产权局提交的专利申请。

本基于多尺度特征学习网络的冠脉CTA分割方法和系统在说明书摘要公布了：本发明涉及一种基于多尺度特征学习网络的冠脉CTA分割方法和系统的技术方案，包括：采集冠脉CTA图像，从冠脉CTA图像提取设定大小的子块图像，并将子块图像执行数据扩充，得到训练集；通过基于U‑Net架构的多尺度特征提取的深度学习网络对训练集进行训练，得到用于冠脉CTA的分割模型；将采集冠脉CTA图像通过分割模型执行分割处理，预测得到分割的冠脉CTA图像。本发明的有益效果为：实现了快速和准确的冠脉CTA分割。

本发明授权基于多尺度特征学习网络的冠脉CTA分割方法和系统在权利要求书中公布了：1.一种基于多尺度特征学习网络的冠脉CTA分割方法，其特征在于，该方法包括：S100，采集冠脉CTA图像，从所述冠脉CTA图像提取设定大小的子块图像，并将所述子块图像执行数据扩充，得到训练集；S200，通过基于U-Net架构的多尺度特征提取的深度学习网络对所述训练集进行训练，得到用于冠脉CTA的分割模型；S300，将所述采集冠脉CTA图像通过所述分割模型执行分割处理，得到分割的冠脉CTA图像；所述基于U-Net架构的多尺度特征提取的深度学习网络包括编码模块及解码模块，所述编码模块包括第一编码模块及第二编码模块，所述第一编码模块用于通过批标准化和RELU激活函数对所述训练集处理得到输出特征图，输出特征图空间大小与输入特征图一致；所述第二编码模块接收第一编码模块输出的特征图，并行传递到具有不同卷积核大小的若干分支，并在训练最后进行串联；所述解码模块为级联的空洞卷积，通过空洞卷积获取不同大小的感受野并学习CTA图像的上下文特征；所述第一编码模块被配置为：基于U-Net的编码模块，包括3x3x3卷积，所述第一编码模块的3x3x3卷积的空洞率＝1，步长＝1，3x3x3卷积利用批标准化和RELU激活函数得到输出特征图，输出特征图空间大小与输入特征图一致；所述第一编码模块包括：采用类Inception的稀疏连接的架构，所述第一编码模块由第一分支、第二分支及第三分支构成；所述第一分支通过最大池化层和1x1x1卷积串联组成，所述第一分支的1x1x1卷积的空洞率＝1，步长＝2；所述第二分支通过1x1x1卷积和3x3x3卷积串联组成，所述第二分支的1x1x1卷积的空洞率＝1，步长＝1，所述第二分支3x3x3卷积的空洞率＝1，步长＝2；所述第三分支通过1x1x1卷积、1x1x5卷积、1x5x1卷积及5x1x1卷积串联组成，所述第三分支的1x1x1卷积的空洞率＝1，步长＝1，所述第三分支的1x1x5卷积的空洞率＝1，步长＝2，所述第三分支的1x5x1卷积的空洞率＝1，步长＝1，所述第三分支的1x5x1卷积的空洞率＝1，步长＝1；所述第一编码模块通过所述第一分支、所述第二分支及所述第三分支的步长为2的卷积或最大池化方式进行降采样处理，得到具有相同尺度的特征图；通过串联操作将所述第一分支、所述第二分支及所述第三分支输出的特征图进行组合，最后利用批标准化和RELU激活函数得到输出特征图。

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珠海横乐医疗科技有限公司，其通讯地址为：519000 广东省珠海市横琴新区粤澳合作中医药科技产业园豆蔻路36号1栋101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”。