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！

龙图腾网获悉杭州电子科技大学申请的专利一种多层级全分辨率特征选择网络的视网膜血管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：CN118470031B 。

龙图腾网通过国家知识产权局官网在2025-09-05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：202410238638.2，技术领域涉及：G06T7/10；该发明授权一种多层级全分辨率特征选择网络的视网膜血管分割方法是由王昌鹏;马玉良;张健康;邱奕涵设计研发完成，并于2024-03-04向国家知识产权局提交的专利申请。

本一种多层级全分辨率特征选择网络的视网膜血管分割方法在说明书摘要公布了：本发明公开了一种多层级全分辨率特征选择网络的视网膜血管分割方法，该方法首先获取视网膜数据集，并划分为训练集与测试集。其次对视网膜数据集中的视网膜图像数据进行预处理，并将预处理后的训练集做数据扩充和数据增强。然后在编码器解码器网络基础上添加多尺度上下文交互机制，并以此基础构建多层级全分辨率特征选择网络，输出视网膜血管分割结果。最后构建带logistics函数的二元交叉熵损失函数，通过训练集进行训练，将训练得到的网络权重应用在测试集，构建评价指标观察分割结果。本发明使分割结果的鲁棒性更强，提高了对细微血管和低对比度血管的分割能力，使分割结果更加完整和精确。

本发明授权一种多层级全分辨率特征选择网络的视网膜血管分割方法在权利要求书中公布了：1.一种多层级全分辨率特征选择网络的视网膜血管分割方法，其特征在于，包括如下步骤： 步骤1：获取视网膜数据集，并划分为训练集与测试集； 步骤2：对视网膜数据集中的视网膜图像数据进行预处理； 步骤3：将预处理后的训练集做数据扩充和数据增强； 步骤4：在编码器解码器网络基础上添加多尺度上下文交互机制，并以此基础构建多层级全分辨率特征选择网络，输出视网膜血管分割结果； 所述多层级全分辨率特征选择网络由全分辨率特征提取网络、循环去噪和特征选择机制、完整边缘细节增强模块三部分组成；经过全分辨率特征提取网络后，得到多级全分辨率输出，然后分别对其进行循环去噪和特征选择机制和完整边缘细节增强模块； 首先在U-Net网络基础上添加多尺度上下文交互机制代替原始的跳跃连接，U-Net网络内部进行水平和垂直特征学习，并使用多尺度上下文交互机制融合相邻不同层次的特征；定义Fi,j为U-Net网络内部特征，其中i和j分别定义为U-Net网络的行和列； 所述全分辨率特征提取网络结构具体实现过程如下： 将处理好的灰度图像块输入全分辨率特征提取网络，通过对其进行卷积操作调整通道数得到第1行第1个特征F0,0，然后对该特征分别进行双层卷积块和下采样操作得到第2行的两个不同尺度的隐藏层特征F0,1,F1,1，其中经过双层卷积块得到的特征尺度保持不变，下采样得到的特征空间大小减半；对F0,1执行双层卷积和下采样操作，生成和两个临时映射特征，其中上标C表示经过双层卷积的临时映射特征，上标d表示经过下采样生成的临时映射特征，对F1,1进行上采样、双层卷积和下采样操作生成和三个临时映射特征，上标u表示上采样生成的临时映射特征，然后对具有相同下标的临时映射特征进行多尺度上下文多感受野聚合操作融合上下文多尺度信息得到对应的映射特征，对于没有相同下标的临时映射特征，则直接将其作为映射特征，由此得到第3行3个映射特征F0,2，F1,2，F2,2；然后对第3行的特征重复和上一行相同的操作，对后续行特征进行同样操作，直到经过上一层特征下采样后到达瓶颈层，即网络最深层的特征Fn,n； Fn,n所在行的特征为F0,n…Fn,n，对该行第一列全分辨率特征执行双层卷积和下采样，对最深列特征Fn,n仅执行上采样，其余列特征执行上采样、双层卷积和下采样分别得到相应的临时映射特征，随后按照临时映射特征下标相同进行多尺度上下文多感受野聚合得到下一行的特征，即F0,n+1…Fn-1,n+1；重复上一行操作构建完整的全分辨率特征提取网络，最后得到最后一行的一个全分辨率特征输出； 步骤5：构建带logistics函数的二元交叉熵损失函数，通过训练集进行训练，将训练得到的网络权重应用在测试集，构建评价指标观察分割结果。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市钱塘区白杨街道2号大街1158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”。