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！

龙图腾网获悉杭州师范大学申请的专利一种基于分散注意力的Swin Unet变体医学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：CN116524187B 。

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：202310479849.0，技术领域涉及：G06V10/26；该发明授权一种基于分散注意力的Swin Unet变体医学图像分割方法是由张聚;叶智毅;王奔;叶列立;应长钢;龚伟伟设计研发完成，并于2023-04-28向国家知识产权局提交的专利申请。

本一种基于分散注意力的Swin Unet变体医学图像分割方法在说明书摘要公布了：本发明涉及一种基于分散注意力的SwinUnet变体医学图像分割方法。本发明通过构建分割模型SASUNet，结合卷积和Transformer，重新构建解码器，组合不同接收野的特征图以输出具有不同接受域大小组合的特征映射，增强SASUNet的多尺度表示；加入跳过连接模块，使编码器和解码器交叉参与以更有效地保存底层特征，还应用有效注意力机制获取多层次表示进行建模，从而提高目标区域特征的权重比。并设置训练策略和损失函数，对模型进行训练；验证已训练好的模型；本发明有效的结合SwinUnet和CNN，将Transformer能远程依赖捕捉全局信息的功能与CNN能捕捉更加详细的局部信息的功能进行结合，实现了将病灶部分从医学图像中自动分割。

本发明授权一种基于分散注意力的Swin Unet变体医学图像分割方法在权利要求书中公布了：1.一种基于分散注意力的SwinUnet变体医学图像分割方法，具体的实现步骤如下 步骤一、对医学图像的数据进行预处理和增强： 收集医学图像，对这些图像进行预处理，扩大样本数量，并对样本图像进行归一化处理； 步骤二、构建分割模型SASUNet： 基于U-Net的编码器-解码器结构构建分割模型SASUNet，分割模型SASUNet包括编码器、解码器和跳过交叉连接模块SCCA； 编码器部分为SwinUnet中的编码器部分，解码器部分包括分散注意力模块CSA； 在编码器中： 将输入的医学图像分割成非重叠的补丁块，之后每个补丁块被传递到线性嵌入层，在线性嵌入层经过处理得到新的嵌入特征表示；线性嵌入层的输出通过多个连续的Swintransformer块处理后，将补丁的特征信息输入补丁合并层； 补丁合并层连接相邻的补丁，通过补丁合并层中线性层将相邻补丁的特征信息整合在一起，将补丁的数量减少一半，并将通道维度扩大为原来的两倍；补丁合并层的输出通过多个连续的Swintransformer块； Swintransformer块的作用是将输入的特征图转换为更高级别的特征表示，从而使模型更好地理解输入数据；通过四次补丁合并层+Swintransformer块的处理，逐渐提取出输入图像中的高级别特征，增加模型的深度和宽度使模型具有更强的表示能力和更好的泛化性能；有效的减少计算复杂度，提高模型的效率和速度；用于更好地处理大尺度的图像，从而提高图像分割的准确性和效率； 解码器块包括多个分散注意力块CSA和连接层，连接层与补丁合并层对应设置，每个补丁合并层的输出特征经多个连续的Swintransformer块处理后，通过跳过交叉连接模块SCCA转发给对应的连接层； 在解码器中： 每个连接层的输出特征X1均作为下一级CSA块的输入特征，编码器最后一个Swintransformer块的输出特征作为解码器第一个连接层的输入特征； CSA块的输出特征通过连接层与对应跳过交叉连接模块SCCA的输出特征连接后作为下一个CSA块的输入特征，最后一个CSA块的输出特征经过一层1*1Conv卷积和激活函数Sigmoid转换为二进制分割掩模，这个掩模用于与标注数据进行比较，从而计算损失并更新模型参数； 所述的跳过交叉连接模块SCCA交叉参与编码器和解码器的特征以更有效地保存底层特征，帮助模型更好地感知和捕捉重要特征，从而提高医学图像分割的准确性和鲁棒性； 步骤三、设置训练策略和损失函数，对模型进行训练； 将经过预处理的数据集划分为训练集、测试集和验证集；使用Dice损失和BCE损失的组合来训练模型，同时采用正则化策略防止过拟合；SASUnet网络模型中使用反向传播算法对网络中的权重和偏置进行更新；训练迭代过程中利用损失函数进行参数的更新； 步骤四、验证已训练好的网络模型： 将已经分割好的验证集输入训练好的分割模型SASCAUNet，经过模型的分割后将医学图像中的病变部分分割出，将分割好的图像与专家判断的病变区域进行对比评估，对网络模型进行验证； 步骤五、将任意医学图像输入至验证合格的模型中，分割出病灶部分。

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杭州师范大学，其通讯地址为：311121 浙江省杭州市余杭区余杭塘路2318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。