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！

龙图腾网获悉东南大学申请的专利一种基于Transformer和UNet的多模态医学图像分割方法和系统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：CN116385464B 。

龙图腾网通过国家知识产权局官网在2026-01-02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：202310374236.0，技术领域涉及：G06T7/11；该发明授权一种基于Transformer和UNet的多模态医学图像分割方法和系统是由张毅锋;盛啸设计研发完成，并于2023-04-10向国家知识产权局提交的专利申请。

本一种基于Transformer和UNet的多模态医学图像分割方法和系统在说明书摘要公布了：本发明公开了一种基于Transformer和UNet的多模态医学图像分割方法和系统。以编解码器结构UNet为框架，设计了两个Transformer模块取代了UNet中的跳跃连接。这两个模块分别为用于多尺度特征信息融合的通道级交叉融合Transformer模块以及用于编解码器信息融合的通道级交叉注意力机制模块，并将提出的方法称为CTransUNet。针对每个分割任务，首先用大量外部数据训练网络；然后将待分割图像经过预处理后送入训练好的网络进行预测；最后对预测结果进行后处理以消除过少的错误类别。本发明采用端到端的整体框架来分割医学图像，输入图像后便能直接得到分割结果。

本发明授权一种基于Transformer和UNet的多模态医学图像分割方法和系统在权利要求书中公布了：1.一种基于Transformer和UNet的多模态医学图像分割方法，其特征在于，包括以下步骤： 步骤1、数据预处理步骤：每一种具体的医学图像分割任务，其具有相应的训练数据集和待分割图像两部分数据；针对训练数据集或待分割图像的每一张图像，对其使用空背景裁剪、强度值归一化、随机裁剪的预处理方法，得到适合所提出网络的输入数据结构； 步骤2、搭建CTransUNet的网络结构并进行网络训练，包括如下子步骤： 步骤2.1、设计CTransUNet的网络结构； 步骤2.2、从处理好的数据集中选取并构建训练样本； 步骤2.3、设计训练和预测策略，设置网络超参数、损失函数，利用步骤2.2中选取构建的训练样本对CTransUNet网络进行有效训练，优化CTransUNet网络的参数，直至训练达到收敛； 步骤3、对于待分割的图像，采用滑动预测的方式送入训练好的CTransUNet网络进行分割计算，得到最终的分割结果； 所述步骤2.1中设计CTransUNet的网络结构，具体包括以下步骤： 步骤2.1.1、设计通道级交叉融合Transformer模块，简称为CCFT模块融合多尺度的编码器特征信息； 步骤2.1.2、设计通道级交叉注意力机制模块，简称为CCA模块，将本层编码器特征和上层上采样的解码器特征进行有效的信息融合，弥补两条分支之间的语义鸿沟； 步骤2.1.3、在UNet网络结构的基础上，用通道级交叉融合Transformer模块和通道级交叉注意力机制模块代替跳跃连接，进行更好地特征融合，组成一个结合了Transformer和UNet两者优点的混合网络结构，称之为CTransUNet； 所述步骤2.3中设计训练和预测策略，设置网络超参数、损失函数，利用步骤2.2中选取构建的训练样本对CTransUNet进行有效训练，优化CTransUNet网络的参数，直至训练达到收敛，具体包括以下步骤： 步骤2.3.1、使用5折交叉验证的训练方式，得到5个训练好CTransUNet的网络，并将待分割图像分别经过这5个网络得到5个分割结果，最后取其平均作为最终结果； 步骤2.3.2、网络超参数的必要设置如下：设置初始学习率为lr，优化器选用Adam，学习轮数为epoch，学习率的调整策略为ReduceLRonPlateau，若损失在patience轮内不下降，学习率降低为原来的factor倍； 步骤2.3.3、使用广义DiceLoss函数来作为医学图像分割方法的损失函数，给不同的类别在损失函数上赋予不同的权重，公式为： 其中GDL表示广义DiceLoss，K为类别数，rkn为像素点n在第k类上的真实标签，pkn为像素点n在第k类上的预测结果，wk即为每种类别在计算DiceLoss函数时的权重，wk的计算方式为：

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东南大学，其通讯地址为：211102 江苏省南京市江宁区东南大学路2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。