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！

龙图腾网获悉江苏世钰智能医疗科技有限公司申请的专利一种跨域自适应脊柱CT图像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：CN119888237B 。

龙图腾网通过国家知识产权局官网在2025-06-17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：202510356764.2，技术领域涉及：G06V10/26；该发明授权一种跨域自适应脊柱CT图像分割方法是由伊力扎提·伊力哈木;冯世庆;袁峰;迪力扎提·伊力哈木设计研发完成，并于2025-03-25向国家知识产权局提交的专利申请。

本一种跨域自适应脊柱CT图像分割方法在说明书摘要公布了：本发明提供了一种跨域自适应脊柱CT图像分割方法，包括以下步骤：对数据进行正向扩散过程；模型架构构建；反向去噪过程；损失函数优化。本发明有益效果：能够提高工作性能：该框架在多源CT数据集之间的分割精度大大提高，尤其在未见目标域上能够实现较好的跨域适应，分割效果优于传统方法；能够减少制作成本、能量损耗：通过使用扩散模型和对比学习机制，本方案能有效减少对其他来源的数据集进行大量标注数据的依赖，降低了数据标注和模型训练的成本；能够增加稳定性：通过域引导的非对称对比学习，跨域特征对齐效果更为稳定，减少了模型在不同数据集上的性能波动。

本发明授权一种跨域自适应脊柱CT图像分割方法在权利要求书中公布了：1.一种跨域自适应脊柱CT图像分割方法，其特征在于：包括以下步骤： 步骤1：对数据进行正向扩散过程； 步骤2：基于步骤1处理后的噪声数据进行模型架构构建； 步骤3：基于步骤2构建的模型架构进行反向去噪过程； 步骤4：对步骤3处理后的噪声数据进行损失函数优化； 在步骤1中，对数据进行正向扩散过程，包括： 初始化分割标签数据： 其中，目标为将多源域分割标签数据逐步转化为噪声分布；输入为原始分割标签数据x0；输出为噪声序列x1,x2,…,xT； 定义噪声强度： 在每个时间步t∈{1,2,…,T}，设置噪声强度βt∈0,1，控制噪声添加速率；逐步添加高斯噪声： 根据马尔可夫链性质，通过以下公式生成噪声数据： 其中，表示保留前一步数据的缩放项；βtI表示当前步添加的噪声方差，表示高斯分布； 最终分布收敛： 经过T步后，数据分布逼近标准高斯分布： 其中，xt是时间步t时的噪声数据，βt∈0,1是时间步t的噪声强度，I是单位矩阵； 在步骤2中，模型架构构建，包括： 采用编码器E0、编码器E1、解码器D0构建模型架构； 其中，编码器E0处理噪声输入，噪声输入包括噪声数据xt和时间步t； 编码器E0用于提取噪声数据的多尺度特征，结合时间嵌入编码时间相关性；其中，编码器E1处理CT图像与标注，并对输入特征图进行自适应频域增强： 对输入特征图进行快速傅里叶变换： 其中，Fu,v是转换后的频域表示，u和v是频域中的频率坐标，是傅里叶变换中的复指数函数，Xx,y是输入图像在空间域中的像素值，x和y分别是空间域中像素的水平和垂直坐标，C表示特征图通道数，H表示特征图的空间高度，W表示特征图的空间宽度； 在步骤3中，反向去噪过程，目标为从噪声数据xT逐步恢复原始分割标签x0；输入为噪声数据xT，条件信息cct；输出为重建的分割标签x0；去噪过程具体包括： 反向条件概率建模； 构建域泛化模块； 进行去噪迭代； 反向条件概率建模，包括： 对每个时间步t＝T,T-1,…,1，估计条件分布： 其中：μθxt,cct,t和分别表示预测的均值和方差，cct为条件信息；构建域泛化模块，包括： 域特征对比学习： 提取编码器E0的特征和源域特征库计算最大均值差异MMD度量域间差异： 选择最相似域特征Zmax和最不相似域特征Zmin，构建对比损失： 其中，是对比学习损失，S·：余弦相似度；τ：温度参数； 域分类损失： 通过交叉熵优化域分类任务： 其中，是多类交叉摘损失函数，用于优化域分类任务，N是数据集的样本数量，yi是第i个样本的真实标签，是模型预测给定输入特征时，第i个样本属于真实类别yi的概率，log表示对数函数，计算交叉摘损失； 去噪迭代，包括： 从xT开始，逐步执行以下操作直至t＝1： 输入xt和cct至条件U－Net，预测μθ和σθ； 采样 应用域泛化模块更新特征表示。

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江苏世钰智能医疗科技有限公司，其通讯地址为：211800 江苏省南京市自由贸易试验区南京片区雨合北路6号光电科技园C幢8楼806、810、811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”。