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！

龙图腾网获悉西安电子科技大学申请的专利基于全局信息感知的医学图像分割装置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：CN116258933B 。

龙图腾网通过国家知识产权局官网在2025-07-29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：202310238744.6，技术领域涉及：G06V10/80；该发明授权基于全局信息感知的医学图像分割装置是由张毅;孙文方;李静媛;李冠亚;胡杨;张文超;王佳;冀渭斌;樊潇设计研发完成，并于2023-03-13向国家知识产权局提交的专利申请。

本基于全局信息感知的医学图像分割装置在说明书摘要公布了：本发明提供了一种基于全局信息感知的医学图像分割装置，扫描头扫描医学影像；存储器存储医学影像、医学影像样本集以及医学图像分割网络模型；处理卡利用训练好的医学图像分割网络模型对医学影像进行分割，获得边界清晰的分割结果图。本发明的医学图像分割网络模型通过低计算复杂度的CAB来建模高低维度特征图之间逐像素点的相关关系，在特征编码过程中实现低维细节信息与高维语义信息的无缝融合；CAB在编解码特征融合时提供语义桥梁缓解语义鸿沟问题。此外特征融合模块AAFM通过空洞卷积对齐各级特征感受野，通过特征融合激活方式实现各级特征在空间维度的显著区域校准。因此本发明可以针对边界纹理复杂的医学影像提供更为准确的分割结果。

本发明授权基于全局信息感知的医学图像分割装置在权利要求书中公布了：1.一种基于全局信息感知的医学图像分割装置，其特征在于，包括： 扫描头，用于通过扫描采集用户预定部位的医学影像； 存储器，与所述扫描头通过通信线连接，用于存储所述医学影像、预先采集的预定部位的医学影像样本集以及预先构建的基于全局信息感知的医学图像分割网络模型；所述存储器中存储的基于全局信息感知的医学图像分割网络模型是基于编解码结构构建的，其包括包含残差结构的初始模块、编码器、解码器、全局注意力模块、自适应特征融合模块以及分割结果输出层； 其中，编解码结构中的编码器包括4全局增强卷积模块，所述解码器包括与四个全局增强卷积模块一一对应的4卷积模块，在编码器中的全局增强卷积模块与解码器中对应的卷积模块之间存在一个全局空间注意力模块，编码器的输入端连接初始模块，初始模块的输入端输入待分割图像；初始模块、第1个全局增强卷积模块至第4全局增强卷积模块之间都具有进行最大池化操作以及双三次线性插值的神经层，第4全局增强卷积模块与第四个全局空间注意力模块之间存在一个反卷积层；在解码器第i个卷积模块与第i-1个全局空间注意力模块之间存在一个反卷积层；解码器的四个卷积模块的输出端均连接所述自适应特征融合模块，自适应特征融合模块输出连接分割结果输出层的输入； 所述全局增强卷积模块包括用于双三次线性插值的神经层、用于最大池化操作的神经层、残差模块、第一交叉注意模块和自注意力模块； 用于双三次线性插值的神经层将上一级的特征矩阵F使用双三次线性插值法进行二倍下采样，得到特征图； 最大池化操作的神经层，将上一级的特征矩阵F进行最大池化操作，得到特征图； 残差模块，将特征图中的显著信息进行建模获得语义特征； 交叉注意模块，利用交叉注意力机制计算与之间的全局依赖关系；与在通道维度上进行串联；并使用一个1×1卷积运算进行特征融合与通道维度降维，获得特征图； 自注意力模块，使用自注意力机制对特征图的全局信息进行建模： ； 其中，将特征图按照通道维度进行分组计算，一个特征图的大小是W×H×C，C是通道数，将C分为了4组分别计算，d就是C4，如果分为1组，d=C；特征图X中位置i处的特征值表示为，位置j处的特征值表示为；与为坐标矩阵；表示将特征矩阵在空间维度进行下采样； 并将全局信息输出至连接的全局空间注意力模块； 处理卡，设置在计算设备上，用于执行下述过程： 利用所述医学影像样本集对所述医学图像分割网络模型进行迭代训练，在训练过程中利用定义的深监督损失函数以及优化器优化所述医学图像分割网络模型的权重参数，得到最优权重参数分割网络模型；将所述医学影像作为待分割影像，并输入至最优权重参数分割网络模型中，得到区分边界清晰的分割结果图； 显示器，与所述计算设备通过无线或有线方式远程通信，用于展示边界清晰的分割结果图。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市太白南路2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”。