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！

龙图腾网获悉浙江师范大学申请的专利一种基于特征交互融合的皮肤病变图像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：CN120833348B 。

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：202511315830.8，技术领域涉及：G06T7/11；该发明授权一种基于特征交互融合的皮肤病变图像分割方法是由王晓林;陈广伟;温建明;徐昊;毛永辉;李鑫洁;张闻雨;虞樾;张轩峰设计研发完成，并于2025-09-16向国家知识产权局提交的专利申请。

本一种基于特征交互融合的皮肤病变图像分割方法在说明书摘要公布了：本发明公开了一种基于特征交互融合的皮肤病变图像分割方法，涉及医学图像分割技术领域。包括以下步骤：首先对皮肤镜图像进行尺寸归一化和噪声抑制，并通过随机旋转、翻转操作扩充数据集；随后将训练数据输入网络模型进行训练，得到训练后的模型权重；最后将待分割的皮肤病变图像输入训练后的网络模型，实现皮肤病变区域的自动分割。本发明设计了聚焦特征交互融合模块，实现CNN与Transformer特征的深度互补融合；构建多尺度上下文注意力模块，通过提取局部至全局尺度的空间信息实现多尺度精确特征提取，同时保持计算效率。本发明的目的是为了解决皮肤病变图像病变区域形状复杂、大小多变、对比度低等问题，提高对皮肤病变图像的分割精度和鲁棒性。

本发明授权一种基于特征交互融合的皮肤病变图像分割方法在权利要求书中公布了：1.一种基于特征交互融合的皮肤病变图像分割方法，其特征在于，包括以下步骤： 图像预处理与数据增强：对皮肤镜图像进行尺寸归一化和噪声抑制，并通过随机旋转、翻转操作扩充数据集； 模型构建：构建融合CNN与Transformer的深度分割网络，包括：特征提取双编码器，用于分别提取基于卷积神经网络的局部特征与基于Transformer的全局特征；聚焦特征交互融合模块，用于实现卷积神经网络特征与Transformer特征之间的互补交互与融合；多尺度上下文注意力模块，用于引入多尺度空间感知能力并增强特征表示；解码器：通过上采样恢复分辨率，并与跳跃连接传递的编码器特征进行通道拼接，经卷积、批归一化及激活函数处理后逐层重建分割结果，最终输出皮肤病变区域的分割概率图； 模型训练：将所述数据集的图像，输入深度分割网络，采用Dice损失与二元交叉熵损失的联合损失函数优化网络权重，结合早停策略防止过拟合； 分割预测：将待分割皮肤镜图像输入训练完成的深度分割网络，输出皮肤病变区域的分割掩码图； 其中，所述多尺度上下文注意力模块，执行如下操作： 特征划分：接收输入特征图，并将其在通道维度上平均划分为四个子特征图，，和，其中每个子特征图的尺寸均为； 多尺度特征提取：通过四个并行分支，通过不同感受野结构分别在所述四个子特征图上捕获不同尺度的图像特征； 特征融合与输出：将四个并行分支输出的特征图、、和在通道维度拼接，形成融合特征图，最终得到输出特征图； 在所述多尺度特征提取的步骤中： 第一分支通过逐点卷积用于对输入特征提取精细特征； 第二分支通过逐通道卷积和逐点卷积操作用于对输入特征进行局部特征提取； 第三分支通过应用逐通道卷积、逐通道空洞卷积、逐点卷积对输入特征进行中等范围的上下文信息提取； 第四分支首先对输入特征下采样提取重要特征，同时保留其位置信息；随后通过逐通道卷积、逐通道空洞卷积、逐点卷积实现大范围建模，再通过位置信息将特征图上采样回原尺寸。

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浙江师范大学，其通讯地址为：321004 浙江省金华市婺城区迎宾大道688号浙江师范大学；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。