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！

龙图腾网获悉吉林大学申请的专利基于多级综合注意力的双路径医学图像分割方法及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：CN119579887B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202411553247.6，技术领域涉及：G06V10/26；该发明授权基于多级综合注意力的双路径医学图像分割方法及装置是由郭晓新;程航远;杨广奇设计研发完成，并于2024-11-01向国家知识产权局提交的专利申请。

本基于多级综合注意力的双路径医学图像分割方法及装置在说明书摘要公布了：本发明提供一种基于多级综合注意力的双路径医学图像分割方法及装置，涉及医学影像技术领域。该方法包括：获取待分割的医学图像数据输入到构建好的综合注意力转换器得到医学图像分割结果；综合注意力转换器包括双路径编码器、第一混合注意力转换器模块和解码器；编码器包括多层；解码器包括多尺度特征融合解码器和多尺度聚合模块；多尺度特征融合解码器包括基于通道的高效特征融合模块和综合注意力模块；基于通道的高效特征融合模块包括多路连通性提取模块以及通道级特征融合模块；综合注意力模块包括增强型转换器模块、通道注意力模块、空间注意力模块和卷积块；多尺度聚合模块包括第二混合注意力转换器模块和多层预测链路。提升特征提取性能。

本发明授权基于多级综合注意力的双路径医学图像分割方法及装置在权利要求书中公布了：1.一种基于多级综合注意力的双路径医学图像分割方法，其特征在于，所述方法包括： S1、获取待分割的医学图像数据； S2、将所述医学图像数据输入到构建好的综合注意力转换器； S3、根据所述医学图像数据以及综合注意力转换器，得到医学图像分割结果； 其中，所述综合注意力转换器包括：双路径编码器、第一混合注意力转换器模块以及解码器； 所述双路径编码器包括：第一层双路径编码器、第二层双路径编码器、第三层双路径编码器以及第四层双路径编码器； 所述解码器包括：多尺度特征融合解码器以及多尺度聚合模块； 所述多尺度特征融合解码器包括：基于通道的高效特征融合模块以及综合注意力模块； 所述基于通道的高效特征融合模块包括：多路连通性提取模块以及通道级特征融合模块； 所述综合注意力模块包括：增强型转换器模块、通道注意力模块、空间注意力模块以及卷积块； 所述多尺度聚合模块包括：第二混合注意力转换器模块以及多层预测链路； 双路径编码器至少包括：基于卷积的特征编码路径、基于注意力的特征编码路径、特征融合模块、适应性池化； 基于卷积的特征编码路径采用适应性池化以及深度可分离卷积并行的方式来学习高频信号，如下式： AdaptivePoolX＝attn·X1 Yh1＝FCAdaptivePoolXh12 Yh2＝DSConcFCXh23 式中，AdaptivePool表示适应性池化，X表示输入的特征，attn表示邻居的注意力分数，Xh1表示高频信号中用于适应性池化的部分，Xh2表示高频信号中用于深度可分离卷积的部分，FC表示线性层，DSConc表示深度可分离卷积包括逐深度卷积和逐点卷积，Yh1和Yh2分别表示适应性池化和深度可分离卷积的输出； 基于注意力的特征编码路径采用双重自注意力来学习低频信号，即基于局部窗口和滑动窗口的双重注意力，如下式： X1＝W-MSALNAdaptivePoolXl+AdaptivePoolXl4 X2＝MLPLNX1+X15 X3＝SW-MSALNX2+X26 Yl＝MLPLNX3+X37 式中，Xl表示低频信号，LN表示层归一化，W-MSA表示局部窗口自注意力，SW-MSA表示滑动窗口自注意力，MLP表示多层感知机，Xii＝1,2,3表示各阶段的输出，整个过程采用残差结构提高性能,Yl表示基于注意力特征编码路径的输出； 特征融合模块将基于卷积的特征编码路径和基于注意力的特征编码路径输出的特征在通道维度进行融合，采用深度可分离卷积来逐通道以及逐点在块之间信息交换，如下式： YC＝ConcatYl,Yh1,Yh28 Y＝FCYc+DSConvYc9 式中，Yl,Yh1,Yh2分别表示基于注意力的特征编码路径和基于卷积的特征编码路径的输出，Concat表示进行通道维度的合并，DSConv表示深度可分离卷积,FC表示线性层，Yc表示合并后的特征，Y为输出； 所述第一混合注意力转换器模块至少包括：通道级交错注意力模块、自注意力模块以及前馈神经网络；在所述自注意力模块之前引入所述通道级交错注意力模块，用于首先在通道层面捕捉长距离特征，然后在此基础上，通过自注意力机制感知序列层面的关键局部特征，实现自动学习跳跃链接的连接方式； 所述第一混合注意力转换器模块的基于通道的多头注意力计算公式，如下式10所示： 式中，Q，K，V分别表示查询、键和值，K＝X∑×WK，V＝XΣ×WV，其中表示第一混合注意力转换器模块的输入通过块嵌入之后的数据，B表示批次，H表示高度，W表示宽度，C表示通道数，XΣ表示为在通道层面的特征合并，表示权重矩阵，其中R表示实数集，表示四个跳跃链接输入的通道数，CΣ表示四个输入特征的通道数之和，T表示矩阵的转置，d表示块的数量。

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吉林大学，其通讯地址为：130012 吉林省长春市吉林大学前卫南区；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”。

以上内容由龙图腾AI智能生成。