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！

龙图腾网获悉闽江学院申请的专利一种用于视网膜病变分级检测的增强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：CN118505602B 。

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：202410423815.4，技术领域涉及：G06T7/00；该发明授权一种用于视网膜病变分级检测的增强方法是由曹新容;林杰;李佐勇设计研发完成，并于2024-04-09向国家知识产权局提交的专利申请。

本一种用于视网膜病变分级检测的增强方法在说明书摘要公布了：本发明涉及一种用于视网膜病变分级检测的增强方法。利用Transformer模块增强CNN网络对全局特征的敏感性；通过交叉注意力模块建立图像间交互；通过多层次特征图有效获取和整合与各种病灶大小相关的信息。本发明基于眼底图像的视网膜病变分级检测有积极的促进作用。

本发明授权一种用于视网膜病变分级检测的增强方法在权利要求书中公布了：1.一种用于视网膜病变分级检测的增强方法，其特征在于，利用Transformer模块增强CNN网络对全局特征的敏感性；通过交叉注意力模块建立图像间交互；通过多层次特征图有效获取和整合与各种病灶大小相关的信息，进而构建用于视网膜病变分级检测的网络架构；所述网络架构包括改进的CMT和Fusion_SK；所述改进的CMT，包括依次连接的LayerNorm层、LightweightMHSA层、LayerNorm层、InvertedResidualFFN层；其中， LayerNorm层，为层归一化，用于同一通道内特征图归一化； LightweightMHSA层： 将输入线性转换为查询query键key值value符号d、dk和dv分别是输入input，key或query和value的维度；符号H和W表示输入特征图的高和宽；为减轻计算开销，使用一个步长为k的k×k深度可分离卷积DWConv来减小注意力操作前K和V的空间大小，也就是和此外，将可学习的相对位置偏差B整合到每个自注意力模块中，取代Transformer模块中的原始绝对位置偏差，旨在为图像获得类似卷积的旋转不变性能力；轻量级自注意力为： 其中，Softmax为归一化指数函数； 而后，提出一种交叉自注意力机制，在注意力操作之前将使用的样本数量batchsize中所有图像的信息聚合，和Kc为不同通道中键的计算值，Vc为不同通道中值的计算值，对应的交叉轻量级注意力定义为： 交叉轻量级注意力仅在注意力学习训练阶段应用，在注意力学习测试阶段则采用轻量级自注意力； 所述Fusion_SK包括Fuse模块和Select模块，输入由已调整为相同维度的各种特征图组成，其中， Fuse模块： 首先通过元素求和合并多个特征图的结果： U＝∑Ui 其中Ui表示网络架构第i阶段的特征图； 随后，采用全局平均池化来提取每个通道的全局特征，然后使用全连接层进行降维： Z＝RELUBNWFgpU 其中RELU＝max0,x；BN是批量归一化，用于加快收敛速度和避免梯度消失和梯度爆炸； 其中Fgp是全局平均池化，表示全连接层的权重矩阵，使用减速比r＝2和L＝32来控制其值： d＝maxCr,L 其中d是全连接层输出后的特征数量，C是输入特征图的通道数，max是取两数的最大值； 最后，利用多个全连接层来映射每个特征图的得分向量： Si＝RELUBNWiZ 其中 Select模块： 利用跨通道软注意力，自适应地将不同的权重分配给各种特征图，以控制其输出流的大小；具体来说，将多个分数向量在通道级接受softmax算子以获得权重向量，然后使用这些权重向量来激活或抑制不同的特征图： 其中Aik是经过Selcet模块计算得到不同通道的权重；e是对数函数的底数，Sik是不同通道的分数； Ui＝UiAi 其中i是特征图索引，k是通道索引。

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闽江学院，其通讯地址为：350121 福建省福州市闽侯县溪源宫路200号闽江学院行政楼B201；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。