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基于Swin Transformer的多模态宫颈癌前病变区域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：CN119107450B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202410973584.4，技术领域涉及：G06V10/26；该发明授权一种基于Swin Transformer的多模态宫颈癌前病变区域分割方法是由王涨;申兴发;王庆宇;赵天昊设计研发完成，并于2024-07-19向国家知识产权局提交的专利申请。

本一种基于Swin Transformer的多模态宫颈癌前病变区域分割方法在说明书摘要公布了：本发明公开了一种基于SwinTransformer的多模态宫颈癌前病变区域分割方法。本发明提出MSS‑Net神经网络，旨在克服现有方法的不足，充分利用SwinTransformer的特征提取能力，实现醋酸实验图像和碘实验图像的多模态融合。首先，收集并标注阴道镜图像中的HSIL+区域。然后，使用目标检查算法提取宫颈区域，剔除非宫颈区域的噪声。接着，将预处理后的醋酸溶液图像和碘溶液图像分别输入SwinTransformer特征提取网络，得到多层次的特征图。通过多模注意力模块加权融合特征图后，输入解码器模块，通过级联上采样生成最终的分割结果。最后，使用Dice系数和交叉熵损失函数训练神经网络MSS‑Net，得到训练好的模型。本发明通过多模态数据融合和增强特征提取能力，实现了对宫颈癌前病变区域的较为精确分割。

本发明授权一种基于Swin Transformer的多模态宫颈癌前病变区域分割方法在权利要求书中公布了：1.一种基于SwinTransformer的多模态宫颈癌前病变区域分割方法，其特征在于，步骤如下： 步骤一、收集阴道镜图像，并对每个患者的醋酸测试采集的阴道镜图像和碘溶液测试采集的阴道镜图像进行HSIL+区域标注； 步骤二、对阴道镜图像进行预处理，通过训练好的目标检测算法模型提取阴道镜图像中的宫颈区域，剔除非宫颈区域的噪声干扰； 步骤三、使用SwinTransformer作为特征提取网络，将步骤二预处理得到的醋酸测试阴道镜图像和碘溶液阴道镜图像分别输入到两个特征提取网络中，得到醋酸图像特征图和碘溶液图像特征图 步骤四、醋酸图像特征图和碘溶液图像特征图对应相加得到相加特征图Ci；相加特征图Ci输入到多模注意力中，得到对应的权重特征和和分别与对应的和进行加权得到多模注意力特征图和i∈[1,4]，具体过程如下: 将醋酸图像特征图和碘溶液图像特征图相加得到相加特征图Ci: 将相加特征图Ci输入到多模注意力中，定义多模注意力符号为MSAtten·；则权重特征和 将权重特征和分别与对应的醋酸图像特征图和碘溶液图像特征图进行加权，得到多模注意力特征图和 步骤五、将多模注意力特征图和输入到解码器模块，i∈[1,4]，该模块通过级联上采样得到解码特征图Ua和Ub，通过分割头最终输出醋酸溶液图像HSIL+区域和碘溶液图像HSIL+区域的分割结果； 所描述的解码器模块具体实现如下：假设Fd是解码器中的上采样特征图，Fi是输入的多模注意力特征图和具体步骤如下： 上采样： Fd＝UpsampleFi 级联： Fconcat＝ConcatFd,Fi 步骤四得到的多模注意力特征图和输入到解码器模块通过四次级联上采样步骤，得到解码特征图Ua和Ub；分割头由卷积核为3*3的CNN层组成，输入通道为多模注意力特征或对应的通道数c，输出通道为分类数； 步骤六、将步骤一标注后的阴道镜图像，输入至步骤二、步骤三、步骤四、步骤五构建的神经网络MSS-Net来进行训练，损失函数设为交叉熵损失函数和Dice损失函数的加权平均损失函数，最终得到训练好的模型；将待检测的阴道镜图像输入训练完毕的神经网络MSS-Net，得到HSIL+区域分割结果。

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 浙江省杭州市下沙高教园区2号大街；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。