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！

龙图腾网获悉武汉大学申请的专利基于LBP算子和双U型网络的视网膜眼底血管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：CN116452807B 。

龙图腾网通过国家知识产权局官网在2025-12-16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：202310427283.7，技术领域涉及：G06V10/26；该发明授权基于LBP算子和双U型网络的视网膜眼底血管分割方法是由许永超;娄淼设计研发完成，并于2023-04-20向国家知识产权局提交的专利申请。

本基于LBP算子和双U型网络的视网膜眼底血管分割方法在说明书摘要公布了：本发明提供一种基于LBP算子和双U型网络的视网膜眼底血管分割方法，包括以下步骤：获取公开的经专家标注的彩色眼底血管分割数据集，划分为训练集、验证集、测试集用于网络训练和测试；对原始彩色眼底图像做数据预处理，利用LBP算子在灰度图上计算LBP码图像，通过随机切片的方式进行数据增广；构建带双支残差解码块的双U型眼底血管分割网络，包括一个以预处理后的眼底图像为输入的高层语义网络，一个以LBP码图像为输入的浅层纹理网络，和一个融合高层语义网络提取的高级语义特征、浅层纹理网络提取的细粒度纹理特征的特征融合模块；多轮迭代获取最优分割模型；验证模型分割效果和泛化性能。本发明改善了语义分割模型的预测能力，同时提高了模型的泛化性能。

本发明授权基于LBP算子和双U型网络的视网膜眼底血管分割方法在权利要求书中公布了：1.一种基于LBP算子和双U型网络的视网膜眼底血管分割方法，其特征在于，包括以下步骤： 步骤1，获取公开的经专家标注的彩色眼底血管分割数据集，划分为训练集、验证集、测试集用于网络训练和测试； 步骤2，对原始彩色眼底图像做数据预处理，利用LBP算子在灰度图上计算LBP码图像； 步骤3，对预处理后的眼底图像和对应的血管标注、LBP码图像通过随机切片的方式进行数据增广； 步骤4，构建双U型网络，所述双U型网络包含两个子U型网络和一个特征融合模块，子网络分别为高层语义网络和浅层纹理网络，将预处理后的眼底图像、LBP码图像分别输入高层语义网络、浅层纹理网络，将高层语义网络提取的像素级高级语义特征与浅层纹理网络提取的细粒度纹理特征一起输入特征融合模块，生成像素级预测概率图，并与真实标签计算分割损失函数； 所述高层语义网络为带DropBlock的原始U-Net；所述浅层纹理网络为一个小型的带DropBlock的U-Net； 原始U-Net是一个五层的带跳跃连接的编码器-解码器结构，编码器包括五个卷积块，每个卷积块包含两个3×3卷积层、BN层、ReLU层，卷积块之间是下采样层，解码器中包括4个卷积块，卷积块的结构与编码器相同，卷积块之间是上采样层，编码器中卷积块的特征通过跳跃连接和解码器对应卷积块上采样到同分辨率的特征图拼接并输入解码器下一层卷积块； 带DropBlock的原始U-Net是在每个3×3卷积层后面添加了DropBlock进一步防止过拟合，小型的带DropBlock的U-Net是将带DropBlock的原始U-Net的每层通道数减少8倍； 带DropBlock的U-Net的解码器是将4个卷积块换为4个带残差的双支解码块，具体地，带残差的双支解码块包含1个残差和2个分支，残差分支包含一个1×1卷积层和一个BN层，第一个分支包含一个3×3卷积层和一个BN层，第二个分支包含两个3×3卷积层和BN层，第一个BN层和第二个3×3卷积层之间是一个LeaklyReLU层，将第一个分支和第二个分支的输出拼接后与残差分支的输出相加，再通过一层LeaklyReLU得到最终输出，即， 其中、、、、分别为残差分支、第一分支、第二分支、LeaklyReLU、拼接； 步骤5，依据步骤4完成网络训练的多轮迭代，得到最优分割模型； 步骤6，在测试集上验证模型分割效果； 步骤7，在多个其他公开眼底数据集上验证模型泛化性能。

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武汉大学，其通讯地址为：430072 湖北省武汉市武昌区八一路299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。