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！

龙图腾网获悉安徽工程大学申请的专利一种轻量化网络的肺部影像分割模型及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：CN116188783B 。

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：202310191850.3，技术领域涉及：G06V10/26；该发明授权一种轻量化网络的肺部影像分割模型及方法是由高文根;陈亮;张晨设计研发完成，并于2023-03-02向国家知识产权局提交的专利申请。

本一种轻量化网络的肺部影像分割模型及方法在说明书摘要公布了：本发明公开了一种轻量化网络的肺部影像分割模型，包括解码部分和编码部分；所述编码部分包括：两个卷积层和两个Maxpooling层，用于对输入的图像进行特征提取；编码部分提取的特征图经空洞空间金字塔池化层后送入到解码部分；解码部分包括两个卷积层和两个Up上采样层；用于对将编码部分提取的特征图进行上采样恢复后经过1×1的卷积层后输出。所述分割模型还包括注意门AG层，所述注意门AG层基于编码部分的高级特征图对解码部分的高级特征图进行补偿。本发明的优点在于：1、大大降低了网络模型的计算量和参数量，减少了不必要的算力消耗；2、提高了网络模型的精确度，保证模型的分割效果。

本发明授权一种轻量化网络的肺部影像分割模型及方法在权利要求书中公布了：1.一种轻量化网络的肺部影像分割模型，其特征在于： 包括解码部分和编码部分； 所述编码部分包括：两个改进的反向残差深度可分离模块和两个Maxpooling层，用于对输入的图像进行特征提取； 编码部分提取的特征图经空洞空间金字塔池化层后送入到解码部分； 解码部分包括两个改进的反向残差深度可分离模块和两个Up上采样层；用于对将编码部分提取的特征图进行上采样恢复后经过1×1的卷积层后输出； 所述分割模型还包括注意门AG层，所述注意门AG层基于编码部分的高级特征图对解码部分的高级特征图进行补偿； 解码部分的两个卷积层和两个Maxpooling层分别为：第一卷积模块、第一下采样模块、第二卷积模块、第二下采样模块； 输入端Input输入影像图片送入到第一卷积模块，第一卷积模块处理后送入到下采样模块进行下采样后送入到第二卷积模块，第二卷积模块处理后送入到第二下采样模块进行下采样处理； 解码部分包括两个卷积层和两个Up上采样层分别为：第三卷积模块、第四卷积模块、第一上采样模块、第二上采样模块，经空洞空间金字塔池化层后的特征图送入到第一上采样模块进行上采样操作后送入到第三卷积模块进行处理后在送入到第二上采样模块进行上采样处理，然后送入到第四卷积模块进行处理后完成解码过程； 卷积层对应的第一卷积模块、第二卷积模块、第三卷积模块、第四卷积模块均为改进的反向残差深度可分离模块，改进的反向残差深度可分离模块包括：两对深度卷积和逐点卷积的组合加上1×1卷积残差连接； 空洞空间金字塔池化层包括四个卷积层和一个池化层，分别对输入的图像进行五次处理：第一次处理是输入图像经过1×1×64的卷积操作后加上BN操作后得到了第一个特征图，第二次到第四次的处理是输入图像经过3×3×64的卷积并加上BN操作，得到第二至第四个特征图；第五次处理是对输入图像进行全局平均池化处理得到第五次特征图，将五次处理的特征图堆叠在一起，经过1×1卷积降维处理后得到空洞空间金字塔池化层处理后的特征图送入到解码部分； 第二至第四个中，三个卷积层均采用深度可分离卷积进行卷积操作； 在解码部分中，空洞空间金字塔池化层模块输出的高级特征图和第二卷积模块输出的低级特征图通过注意门AG层补偿后送入到第三卷积模块中进行处理； 第二上采样模块输出的高级特征图和第一卷积模块输出的低级特征图通过注意门AG层补偿后得到的特征图送入到第四卷积模块，再经过1×1的卷积层后输出。

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安徽工程大学，其通讯地址为：241000 安徽省芜湖市鸠江区北京中路8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”。