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！

龙图腾网获悉中国人民解放军陆军军医大学申请的专利基于Yolov5l模型的宫颈癌细胞检测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：CN117274220B 。

龙图腾网通过国家知识产权局官网在2025-07-18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：202311311752.5，技术领域涉及：G06T7/00；该发明授权基于Yolov5l模型的宫颈癌细胞检测方法是由程宇晖;刘丽;蒋文轩;熊明设计研发完成，并于2023-10-11向国家知识产权局提交的专利申请。

本基于Yolov5l模型的宫颈癌细胞检测方法在说明书摘要公布了：为解决现有技术宫颈癌细胞检测方法存在的需要更加关注细粒度特征和缺少端到端的检测模型等问题，本发明提出一种基于Yolov5l模型的宫颈癌细胞检测方法，以大型Yolov5模型为检测网络的主体架构，即以Yolov5l为检测网络的主体架构，包括，网络主干Backbone、网络颈部Neck和检测层Head，其特征在于，在Backbone中的第六层后增加随机归零化多分支滑动窗口自注意力机制模块DMBST和卷积层CBS；其中，DMBST为DropedMulti‑branchSwinTransformer的缩写；在Neck中增加若干个张量大小为762,20,20的特征图融合；在Head中增加张量大小为762,20,20的检测头Detect。本发明的有益技术效果是能够有效提取图像中的微小的细节特征，从而有效提高图像中小目标的检测效果，进而有效提高宫颈癌细胞的检测准确性和可靠性。

本发明授权基于Yolov5l模型的宫颈癌细胞检测方法在权利要求书中公布了：1.一种基于Yolov5l模型的宫颈癌细胞检测方法，以大型Yolov5模型为检测网络的主体架构，即以Yolov5l为检测网络的主体架构，包括，网络主干Backbone、网络颈部Neck和检测层Head，其特征在于，在Backbone中的第六层后增加随机归零化多分支滑动窗口自注意力机制模块DMBST和卷积层CBS；其中，DMBST为DropedMulti-branchSwinTransformer的缩写；在Neck中增加多个张量大小为762,20,20的特征图融合；在Head中增加张量大小为762,20,20的检测头Detect；所述随机归零化多分支滑动窗口自注意力机制模块DMBST的处理机制，包括： 1输入张量大小为c,h,w的特征图，将通道拆散成n等分作为每个分支的输入c,h,w；其中，c为图片通道数；h为图片高度，单位为像素；w为图片宽度，单位为像素；n为分支数； 2每个分支使用滑动窗口自注意力机制SwinTransformer提取全局注意力图； 3使用LA网络对图片通道数进行压缩；即先将输入的图像用卷积压缩到r通道，再次用卷积把它压缩到一个通道，最后通过逻辑回归函数sigmoid激活层，形成单张注意力图FMi；并且，而有多少个分支就会有多少个注意力图FMi；所述LA网络是指一个仅有3层的卷积神经网络，包含两个卷积层和一个激活函数层； 4随机分支归零化RandomBranchDropout，即随机对于某一分支的注意力图FMi进行归零化，公式如下： 式中，i是在0到n之间的随机数，n为分支数；即随机选取某一分支的特征图FMi，随后让这个特征图矩阵等于一个全零矩阵；其中，特征图矩阵和全零矩阵的宽度均为w，单位为像素；高度均为h，单位为像素； 5由于每个分支都可能有不一样的注意力区域，需要对这几个注意力区域进行融合，因此，采用通道最大值化ChannelMaximize将每个通道的注意力区域合并到一张注意力图中，即在所有的注意力图中，在通道这个维度上找出最大值，通道最大值化公式如下： FMmergei,j＝MaxFM0i,j,FM1i,j,FM2i,j,...,FMni,j,i∈[0,h],j∈[0,w] 式中，FMmergei,j为最终融合的特征图矩阵的第i行、第j列的数值，它等于每一个分支的特征图上第i行，第j列的数值的最大值；这样做的目的是为了找出模型中所需要注意的区域； 6将输入的特征图矩阵进行点积，即矩阵对应位置上的数字直接相乘，最终输出张量大小为c,h,w的特征图，其中，c为图片通道数，h为图片高度，单位为像素；w为图片宽度，单位为像素。

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中国人民解放军陆军军医大学，其通讯地址为：400038 重庆市沙坪坝区高滩岩正街30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”。