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！

龙图腾网获悉西南财经大学天府学院申请的专利一种高精度的视网膜血管分割网络结构及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：CN116205870B 。

龙图腾网通过国家知识产权局官网在2025-12-12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：202310138302.4，技术领域涉及：G06T7/00；该发明授权一种高精度的视网膜血管分割网络结构及方法是由何臻祥设计研发完成，并于2023-02-20向国家知识产权局提交的专利申请。

本一种高精度的视网膜血管分割网络结构及方法在说明书摘要公布了：本发明公开了一种高精度的视网膜血管分割网络结构及方法，属于图像分析技术领域，解决了视网膜图像分割方法人为设计特征表达能力不强，导致分割精度低的问题，本发明包括可变形卷积模块、多尺度自适应细节特征融合模块和双路径上采样模块；可变形卷积模块包括编码器、n个Res‑Block‑1模块、解码器，其中n∈[3,4,6]，所述解码器包括解码器子模块；多尺度自适应细节特征融合模块包括特征图模块、上采样模块、下采样模块、复制模块和变换模块；双路径上采样模块包括捕获模块、信息模块和融合模块。本发明用于在视网膜血管分割网络中缓解有用信息损失、恢复图像分辨率、提高精度。

本发明授权一种高精度的视网膜血管分割网络结构及方法在权利要求书中公布了：1.一种高精度的视网膜血管分割网络方法，其特征在于，使用高精度的视网膜血管分割网络结构，包括可变形卷积模块、多尺度自适应细节特征融合模块和双路径上采样模块； 所述可变形卷积模块包括编码器、n个Res-Block-1模块、解码器，其中n∈[3,4,6]，所述解码器包括解码器子模块；所述多尺度自适应细节特征融合模块包括特征图模块、上采样模块、下采样模块、复制模块和变换模块；所述双路径上采样模块包括捕获模块、信息模块和融合模块； 所述编码器为resnet34模型； 所述信息模块包括空间信息和通道信息； 所述高精度的视网膜血管分割网络方法包括： 在U-Net网络的基础上，加入可变形卷积、多尺度自适应细节特征融合模块和双路径上采样模块，融合多尺度细节特征，在空间和通道上对特征图进行上采样，缓解上采样过程中信息的损耗； 采用可变形卷积模块，经过可变形卷积构成解码器子模块，解码器将特征图恢复到原始输入大小，最后利用1×1卷积和Sigmoid函数输出分割概率图； 采用多尺度自适应细节特征融合模块，捕获网络底层细节特征，设X∈RH×W，、、为不同尺度的特征图，其中H、W为特征图的高度和宽度；通过统一尺度操作，包括上采样、下采样、复制操作，将三种不同尺度的特征图变换到同一尺度；以可变形卷积产生无规则的感受野，来指导多尺度细节特征自适应融合，可变形卷积定义如以下公式1： 1； 其中，表示网格grid，为网格像素点个数，，pn为网格中像素点位置，为权重，为位置偏移量；三个不同尺度特征图经过通道concat得到特征图C，对特征图C进行1×1卷积操作，减少C通道数，经过3×3和5×5大小的可变形卷积捕获不同尺度的感受野，再通过1×1的可变形卷积和softmax函数得到3通道概率特征图S，最后将特征图S对应通道特征图与、、相乘并相加，即得到，用如下公式2进行表示： 2； 3； 其中i，j表示特征图位置，、、由公式3得到，为多尺度自适应细节特征融合模块的输出； 采用双路径上采样模块，在空间和通道上同时捕获高分辨率特征图，利用可变形卷积学习融合后的高分辨率特征图，减少上采样过程中空间信息和通道信息的丢失；对输入在空间上进行上采样得到特征图U1，在通道上进行上采样得到U2，将U1和U2进行融合得到输出O，DPUS的输出用公式4进行定义： 4； 其中Conv表示卷积运算，Deconv表示反卷积运算，P表示PixelShuffle运算。

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西南财经大学天府学院，其通讯地址为：621000 四川省绵阳市科教创业园区九洲大道中段；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。