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！

龙图腾网获悉广州大学申请的专利轻量级视网膜实时分割方法、系统及装置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：CN116863142B 。

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：202310935800.1，技术领域涉及：G06V10/26；该发明授权轻量级视网膜实时分割方法、系统及装置是由彭凌西;柯子颜;罗雪冰;林锦辉;唐春明;孟晓波;彭绍湖设计研发完成，并于2023-07-27向国家知识产权局提交的专利申请。

本轻量级视网膜实时分割方法、系统及装置在说明书摘要公布了：本发明公开了一种基于双通道结构的轻量级视网膜实时分割方法、系统及装置，包括：S1、获取视网膜血管数据集并划分为训练集、验证集和测试集；S2、对训练集和验证集进行预处理得到预处理数据集；S3、对预处理后的训练集和验证集进行数据扩增；S4、搭建基于双通道的轻量级实时分割网络，使用扩增后的训练集对分割网络进行训练；S5、使用扩增后的验证集评估分割网络，若性能大于某个阈值则输出训练好的分割网络，将扩增后的测试集进行预处理，若性能低于某个阈值则改进分割网络后重新执行S5；S6、将测试集预处理后输入到训练好的分割网络进行分割，分割完成后计算评价指标。本发明可以实现基于双通道结构的轻量级视网膜实时分割。

本发明授权轻量级视网膜实时分割方法、系统及装置在权利要求书中公布了：1.一种基于双通道结构的轻量级视网膜实时分割方法，其特征在于，包括： S1、获取视网膜血管数据集并划分为训练集、验证集和测试集； S2、对训练集和验证集进行预处理得到预处理数据集； S3、对预处理后的训练集和验证集进行数据扩增； S4、使用Pytorch深度学习框架搭建基于双通道的轻量级实时分割网络，使用扩增后的训练集对分割网络进行训练，具体包括：搭建全局通道、局部通道和语义聚合模块，分割网络输入口分别和全局通道和局部通道连接，全局通道和局部通道输出口与语义聚合模块连接，所述全局通道包括：依次连接的第一残差块，第一多尺度全局多层感知机、第二残差块和第二多尺度全局多层感知机，入口与第一残差块连接，语义聚合模块与第二多尺度全局多层感知机连接，局部通道具体包括：依次连接第一差分卷积块、第二差分卷积块、第三差分卷积块和第四差分卷积块，第一差分卷积块、第二差分卷积块、第三差分卷积块和第四差分卷积块结构相同，第一差分卷积块入口处为3×3差分卷积，后面依次连接第三批归一化层、第三ReLU函数、第三3×3卷积、第四批归一化层和第四ReLU函数；第一差分卷积块与入口连接，第四差分卷积块与语义聚合模块连接，第一多尺度全局多层感知机和第二多尺度全局多层感知机用于提取特征图的全局信息，语义聚合模块第一入口处为依次连接的第四3×3卷积、第五批归一化和第一激活函数，第二入口处为依次连接的第二1×1卷积、第一上采样和Sigmoid函数，Sigmoid函数出口与第一激活函数出口相乘后与第一入口相加得到第一聚合信息，第二入口经过第二上采样后与Sigmoid函数出口相乘后得到第二聚合信息，将第一聚合信息和第二聚合信息相加后输入依次连接的第一2×2转置卷积、第二2×2装置卷积、第六批归一化、第二激活函数、第三1×1卷积和Softmax函数，4个差分卷积块用于获取局部上下文信息，语义聚合模块将整合全局信息和局部上下文信息，实现多层次的特征表达； 其中，所述多尺度全局多层感知机由层归一化、空间线性投影、位置编码、残差连接和普通多层感知机组成； S5、使用扩增后的验证集评估分割网络，若性能大于某个阈值则输出训练好的分割网络，将扩增后的测试集进行预处理，若性能低于某个阈值则改进分割网络后重新执行S5； S6、将测试集预处理后输入到训练好的分割网络进行分割，分割完成后计算评价指标。

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广州大学，其通讯地址为：510006 广东省广州市番禺区小谷围街道大学城外环西路230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。