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！

龙图腾网获悉河南大学申请的专利基于边界感知和注意力机制的医学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：CN117078930B 。

龙图腾网通过国家知识产权局官网在2025-07-22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：202311011424.3，技术领域涉及：G06V10/26；该发明授权基于边界感知和注意力机制的医学图像分割方法是由李军伟;孙胜烽;李世杰;夏瑞雪;夏苗苗设计研发完成，并于2023-08-11向国家知识产权局提交的专利申请。

本基于边界感知和注意力机制的医学图像分割方法在说明书摘要公布了：本发明公开了一种基于边界感知和注意力机制的医学图像分割方法，包括如下步骤：将医学图像数据集进行划分；然后对医学图像进行数据增强，以提升模型鲁棒性；然后将数据增强后的医学图像输入到医学图像分割网络中进行编码操作，提取多尺度特征图；然后进行边界感知操作，提取边界信息；然后进行解码操作，增强边界特征，增加重要通道的特征表示；待训练结束后，将模型的所有参数信息保存下来；最后将待测样本输入至医学图像分割模型中，经计算输出分割结果图。本发明方案利用PVTv2‑b2编码器、边界感知模块、特征融合和特征增强模块实现医学图像分割方法，分割出的图像整体更加完整，细节更加完善，边缘更加平滑。

本发明授权基于边界感知和注意力机制的医学图像分割方法在权利要求书中公布了：1.基于边界感知和注意力机制的医学图像分割方法，其特征在于：包括以下几个步骤： A、准备医学图像数据集，并对医学图像数据集进行划分； B、对医学图像数据集中的医学图像进行数据增强；具体包括依次进行随机旋转、随机垂直翻转、随机水平翻转以及调整图像大小； C、创建一种基于边界感知和注意力机制的医学图像分割网络模型，所述的医学图像分割网络模型为编码器解码器架构，具体包括边界感知模块，特征融合模块和特征增强模块； 所述的解码器均为四层，编码器和解码器的对应层之间有跳跃连接，编码器为金字塔视觉Transformer的PVTv2-b2预训练模型； 所述的边界感知模块用于提取编码器模块输出的四层特征的边界信息并融合输出一个最终边界特征； 所述的特征融合模块用于将解码器跳跃连接的特征、经过边界增强的特征以及上采样的特征进行融合，特征增强模块将进一步增强通过特征融合模块操作后生成的特征； D、将步骤B中数据增强后的医学图像输入到步骤C中创建的医学图像分割网络模型中； E、将步骤D中输入网络模型的医学图像首先经过PVTv2-b2预训练模型进行编码，提取的E1，E2，E3，E4； F、将步骤E中得到的多尺寸特征图E1，E2，E3，E4输入到边界感知模块中；首先多尺寸特征图E1，E2，E3，E4分别通过边界检测模块，分别输出四个经过边界检测后的特征图，这些特征图边缘区域得到增强，非边缘区域保持不变； 然后将四个经过边界检测后的特征图按通道维度拼接在一起，得到融合后的特征图； 通过计算注意力权重，用于学习特征图之间的权重关系；将注意力权重与融合后的特征图相乘，得到加权融合后的特征图； 然后，通过卷积层生成输出边界特征图； 最后再下采样以匹配不同层级的特征大小得到四个不同尺度的边界特征图B1，B2，B3，B4； G、对步骤E中提取的多尺度特征图E1，E2，E3，E4进行解码操作；特征融合模块将解码器跳跃连接的特征与经过边界增强和上采样的特征进行融合，增加重要通道的特征表示，并通过步骤F中边界特征图B1，B2，B3，B4进行增强边界特征，特征增强模块将进一步增强通过特征融合模块操作后生成的特征，四个层级得到四个输出特征图O1、O2、O3、O4，最后将四个输出特征图O1、O2、O3、O4相加在一起得到最终的分割图； H、训练结束后，将训练好的模型的所有参数信息都保存下来； I、将待测样本输入得到的医学图像分割模型中，计算输出分割结果图。

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河南大学，其通讯地址为：475001 河南省开封市明伦街85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”。