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！

龙图腾网获悉哈尔滨工业大学;中国移动通信集团黑龙江有限公司哈尔滨分公司申请的专利一种基于先验注意力与辅助引导的甲状腺结节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：CN119919655B 。

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：202411944674.7，技术领域涉及：G06V10/26；该发明授权一种基于先验注意力与辅助引导的甲状腺结节分割方法是由陈逸飞;李丹丹;马翔;赵悦;姜宇;刘建奇设计研发完成，并于2024-12-27向国家知识产权局提交的专利申请。

本一种基于先验注意力与辅助引导的甲状腺结节分割方法在说明书摘要公布了：本发明涉及一种基于先验注意力与辅助引导的甲状腺结节分割方法，属于超声医学图像处理技术领域，解决现有基于U‑Net的甲状腺结节超声图像分割准确性不佳、临床应用价值低的问题，包括：构建甲状腺超声图像数据集DS，将甲状腺超声图像数据集DS按比例划分为训练集、验证集和测试集；利用甲状腺结节超声图像ITN进行特征提取，对提取的特征进行最小冗最大相关特征选择，获取优化的甲状腺结节良恶性先验特征；计算整体损失L，在整体损失L的基础上，利用训练集训练PADPU‑Net网络，在训练过程中使用验证集进行验证，获取PADPU‑Net模型MPADPU‑Net；利用PADPU‑Net模型MPADPU‑Net，对甲状腺结节超声图像测试集DSTest进行测试，对测试结果进行优化获取最终甲状腺结节分割结果。

本发明授权一种基于先验注意力与辅助引导的甲状腺结节分割方法在权利要求书中公布了：1.一种基于先验注意力与辅助引导的甲状腺结节分割方法，其特征在于，所述一种基于先验注意力与辅助引导的甲状腺结节分割方法的步骤包括： 步骤1：构建甲状腺超声图像数据集，将甲状腺超声图像数据集按比例划分为训练集、验证集和测试集； 步骤2：利用甲状腺超声图像数据集中的甲状腺结节超声图像分别提取灰度共生矩阵纹理特征、灰度梯度共生矩阵纹理特征和灰度游程矩阵纹理特征，对提取的特征进行最小冗余最大相关特征选择，获取优化的甲状腺结节良恶性先验特征； 步骤3：计算主损失以及辅助引导损失，基于主损失以及辅助引导损失构建整体损失L； 步骤3中主损失的计算步骤包括： 步骤3.1.1：PADPU-Net网络通过多残差渐进式卷积模块对训练集提取编码通路中各层的中间特征、、、和，其中时为编码模式，时为解码模式，表示通道填补数，表示经双残差部分的输出通道数； 步骤3.1.2：基于中间特征、、和，结合所述先验特征，提取先验特征、、和； 步骤3.1.3：利用通道-空间注意力机制提取自优化先验特征，并依次提取转置卷积特征 步骤3.1.4：对编码通路各层进行跳跃连接，跳跃连接后依次对；、和；、和利用通道连接进行特征融合； 步骤3.1.5：特征融合后通过多残差渐进式卷积模块对训练样本提取解码通路各层中间特征、、和； 步骤3.1.6：基于提取甲状腺结节分割特征，利用甲状腺结节分割特征和结节分割标签计算主损失； 编码通路中各层的中间特征、、、和的计算公式为： 5； 公式5中，为最大池化算法； 先验特征、、和的计算公式为： 6； 公式6中，为输出通道为1的卷积运算； 解码通路各层中间特征、、和的计算公式为： 7； 公式7中，为通道连接； 主损失的计算公式为： 8； 公式8中，为Sigmoid运算； 步骤3中辅助引导损失及整体损失L的计算步骤包括： 步骤3.2.1：基于中间特征、、和利用辅助引导通路提取辅助引导特征、、和，其中，为通路输入通道数； 步骤3.2.2：对辅助引导特征、、和进行数组采样运算，采样运算后辅助引导特征与分割标签大小相同，计算辅助引导特征的均值并结合结节分割标签计算辅助引导损失； 步骤3.2.3：基于所述主损失和辅助引导损失计算得到整体损失L； 辅助引导损失的表达式为： 9； 公式9中，表示数组采样运算，表示输入通道数； 整体损失L的计算公式为： 10； 公式10中，为第一常数，为第二常数； 步骤4：在整体损失L的基础上，利用训练集训练PADPU-Net网络，在训练过程中使用进行验证，获取PADPU-Net模型； 步骤5：利用PADPU-Net模型，对甲状腺结节超声图像测试集进行测试，对测试结果进行优化获取最终甲状腺结节分割结果。

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哈尔滨工业大学;中国移动通信集团黑龙江有限公司哈尔滨分公司，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92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。