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！

龙图腾网获悉电子科技大学长三角研究院(衢州)申请的专利一种用于耳穴分割的轻量型算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：CN117036379B 。

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：202310867691.4，技术领域涉及：G06T7/11；该发明授权一种用于耳穴分割的轻量型算法是由袁国慧;王卓然;左玮遐设计研发完成，并于2023-07-15向国家知识产权局提交的专利申请。

本一种用于耳穴分割的轻量型算法在说明书摘要公布了：本发明公开了一种用于耳穴分割的轻量型算法，属于医学图像分割领域，主旨在于通过轻量型算法实现耳穴分割；建立耳穴数据库；基于编码器‑解码器结构建立MobileAPN轻量型深度学习模型，利用CNN网络的位置空间信息学习能力，同时利用transformer捕获全局信息的能力建立像素之间的长程依赖性，基于数据库对模型进行训练，得到最优模型；提出了一种有效的训练策略，即先通过网络进行耳郭区域分割，再在耳郭区域已知的情况下利用耳穴位置的相对固定性进行耳穴分割；最后利用最优模型对测试集图像进行分割；本发明利用MobileAPN轻量型深度学习模型对耳穴进行耳郭类别分割，再利用耳穴位置的相对固定性对耳穴进行分割，其效果上优于该领域的其它轻量分割方法。

本发明授权一种用于耳穴分割的轻量型算法在权利要求书中公布了：1.一种用于耳穴分割的轻量型算法，其特征在于：包括以下步骤： 步骤1：采集耳朵图像数据，严格按照国家标准GBT13734-2008进行数据集标签制作，建立耳穴数据库； 步骤2：基于编码器-解码器结构构建MobileAPN轻量型深度学习模型，所述MobileAPN轻量型深度学习模型包括编码器和解码器，所述编码器为骨干网络和CBAM_DenseASPP级联构成用于特征提取，得到浅层特征和深层特征，所述解码器为原deeplabv3+的解码器用于将浅层特征和深层特征进行特征融合后上采样得到预测结果； 骨干网络依次连接的3×3卷积、倒残差结构、Block结构，所述的Block结构包括依次连接的深度可分离卷积、模块一、第一前馈神经网络、模块二、第二前馈神经网络、逐点卷积层，其中模块一、第一前馈神经网络、模块二、第二前馈神经网络之间进行残差连接； 其中模块一包括输入特征层，将输入特征折叠成n个序列，所述n为每个patch的像素个数，所述每个序列的特征维度为通道数，并将所述序列输入到可分离自注意力中进行处理，然后折叠回原特征层尺寸； 其中模块二将输入特征层折叠成n个序列，所述n为通道数，特征维度为每一个patch的像素个数，并将所述序列输入到自注意力中进行处理，然后将折叠回原特征层尺寸； 步骤3：利用耳穴数据库中的训练集样本训练所述MobileAPN轻量型深度学习模型，得到最优模型； 步骤4：利用所述最优模型对耳穴数据库中的测试集样本进行分割，得到耳廓区域的预测结果； 步骤5：利用耳穴位置的相对固定性得到最终耳穴的预测结果； 步骤2中构建MobileAPN轻量型深度学习模型的具体步骤如下： 步骤2.1构建骨干网络，用于特征提取，不仅具有空间信息学习能力且具有全局感受野； 步骤2.2构建CBAM_DenseASPP网络结构，用于多尺度特征提取，且具有空间注意力和通道注意力； 步骤2.3构建编码器中的1×1卷积，用于调整输入特征层通道数； 步骤2.4构建解码器中的1×1卷积，用于对主干网络输出的浅层特征层进行通道数调整； 步骤2.5构建解码器中的上采样结构，用于对输入特征层进行大小调整； 步骤2.6构建解码器中的特征融合结构，用于对浅层特征层和深层特征层进行特征融合； 步骤2.7构建3×3卷积，用于特征融合； 步骤2.8构建softmax激活函数用于输出最终的类别预测结果。

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电子科技大学长三角研究院(衢州)，其通讯地址为：324003 浙江省衢州市柯城区芹江东路288号1幢18楼；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。