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！

龙图腾网获悉上海理工大学申请的专利一种视网膜眼底图像的硬渗出液的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：CN116485806B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202310386416.0，技术领域涉及：G06T7/10；该发明授权一种视网膜眼底图像的硬渗出液的分割方法是由傅迎华;张葛;张大伟设计研发完成，并于2023-04-12向国家知识产权局提交的专利申请。

本一种视网膜眼底图像的硬渗出液的分割方法在说明书摘要公布了：本发明涉及一种视网膜眼底图像的硬渗出液的分割方法，将经过预处理的视网膜眼底图像输入预先构建并训练好的RMCAU‑net模型中，得到硬渗出液的分割结果；RMCAU‑net模型包括编码器和解码器，编码器包括多个编码阶段，每个编码阶段均包括依次连接的卷积层、DropBlock模块、最大池化层和双残差模块，每个解码器包括多个解码阶段，每个解码阶段包括依次连接的通道注意力模块、反卷积层和多尺度特征融合模块，通道注意力模块用以利用最有用的特征通道，所述多尺度特征融合模块用以引导模型融合多尺度语义信息和全局上下文特征。与现有技术相比，本发明具有能够对不同视场角下的眼底图像进行精准分割。

本发明授权一种视网膜眼底图像的硬渗出液的分割方法在权利要求书中公布了：1.一种视网膜眼底图像的硬渗出液的分割方法，其特征在于，将经过预处理的视网膜眼底图像输入预先构建并训练好的RMCAU-net模型中，得到硬渗出液的分割结果； 所述RMCAU-net模型包括编码器和解码器，所述编码器包括多个编码阶段，每个所述编码阶段均包括依次连接的卷积层、DropBlock模块、最大池化层和双残差模块，每个所述解码器包括多个解码阶段，每个所述解码阶段包括依次连接的通道注意力模块、反卷积层和多尺度特征融合模块，所述通道注意力模块用以利用最有用的特征通道，所述多尺度特征融合模块用以引导模型融合多尺度语义信息和全局上下文特征，各解码阶段中多尺度特征融合模块的输入包括所有编码阶段的输出和上一解码阶段的输出； 所述双残差模块包括两个相同的残差块，每个所述残差块包括依次连接的两个残差块层，每层残差块层均包括依次连接的归一化层、Relu激活函数、3×3卷积层和DropBlock模块； 描述每一残差块的结构的计算公式如下所示： 式中，为该残差块的输入，代表DropBlock层的输出和分别代表3×3和1×1卷积，为该残差块的输出，和分别为前一个残差块层和后一个残差块层的输出； 所述通道注意力模块包括并行的平均池化分支和最大池化分支，用以获取更多的特征信息，描述通道注意力模块结构的计算公式如下所示： 式中，为输入的特征层，和分别代表最大池化和平均池化，为sigmoid函数，为输出的特征层，分别代表特征层的高和宽； 当前解码阶段的多尺度特征融合模块的处理过程具体为： 对所有编码阶段输出的特征层进行处理，包括1×1卷积和DropBlock正则化操作，若处理后的编码阶段的特征层，与上一解码阶段输出的特征层大小不同，则处理成相同大小的特征层，将五个阶段相同大小的所有特征层进行拼接，再经过经过3×3卷积、DropBlock模块和残差模块对通道进行调整； 描述多尺度特征融合模块操作的计算如下所示： 式中，、、和分别为各编码阶段输出的特征层，为上一解码阶段输出的特征层，为DropBlock模块的输出，为2×2池化，为1×1卷积，为2倍反卷积，为4倍反卷积，为拼接操作，为3×3卷积，为残差模块的输出。

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上海理工大学，其通讯地址为：200093 上海市杨浦区军工路516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”。

以上内容由龙图腾AI智能生成。