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！

龙图腾网获悉江苏科技大学申请的专利一种深度注意力网络的胎儿小脑超声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：CN116934767B 。

龙图腾网通过国家知识产权局官网在2026-01-06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：202310724784.1，技术领域涉及：G06T7/10；该发明授权一种深度注意力网络的胎儿小脑超声图像分割方法是由束鑫;顾迎燕;王艳;叶华;华伟设计研发完成，并于2023-06-19向国家知识产权局提交的专利申请。

本一种深度注意力网络的胎儿小脑超声图像分割方法在说明书摘要公布了：本发明公开了一种深度注意力网络的胎儿小脑超声图像分割方法，包括如下步骤：首先将胎儿超声数据集按照4:1的比例随机划分为训练集和测试集，对胎儿超声数据集进行预处理；然后搭建DA‑Net网络模型，构造一个六层的U形网络，将残差级联块和改进的三重注意力模块封装成一个复合模块嵌入到网络的编码器和解码器中，用来进行有效特征提取；接下来，在训练集上采用像素位置感知损失来训练网络模型；最后，在测试集上测试模型，根据测试的结果，选择出性能最优的模型为最终模型；使用该模型进行胎儿小脑超声图像分割。本发明利用一个深度注意力网络DA‑Net，能够准确实现胎儿小脑超声图像的定位与分割，获得了较好的分割性能和鲁棒性。

本发明授权一种深度注意力网络的胎儿小脑超声图像分割方法在权利要求书中公布了：1.一种深度注意力网络的胎儿小脑超声图像分割方法，其特征在于，包括以下步骤： 步骤一：将胎儿超声数据集按照4:1的比例随机划分为训练集和测试集，对胎儿超声数据集进行预处理，通过随机裁剪、水平翻转、垂直翻转、添加高斯噪声的方式来拓展训练集； 步骤二：搭建DA-Net网络模型； 所述的DA-Net网络模型的结构为：在原始U-Net基础上新增加了一层，形成一个六层的U形网络；原始U-Net的双卷积模块被替换为复合模块CB； 所述的复合模块CB的结构为：由残差级联块RCB和改进的三重注意力模块ITA组成； 所述的残差级联块RCB的结构和设计方法为：通过相加和级联的方式来集成多个不同尺寸的卷积；在残差级联块RCB中，对输入的特征通过一个的卷积和两个的卷积进行滤波，分别得到特征图、和；每次卷积之后都需进行批归一化处理和Relu函数激活；然后，与相加得到特征图，再将与级联，从而得到最终的输出特征图； 所述的改进的三重注意力模块ITA的结构和设计方法为： 步骤1：使用三个平行分支来组成改进的三重注意力模块ITA，将这三个平行分支分别标记为路径a、路径b和路径c； 步骤2：采用有效通道注意力ECA中无需降维的跨通道交互策略对路径c进行改进，进而对输入的特征进行处理； 步骤3：对三条路径的输出特征取平均，从而得到最终有效特征图； 其中，路径a将输入的特征图沿轴逆时针旋转以获得形状为的特征图，然后通过、的卷积、批处理归一化和sigmoid函数处理，获得注意力权重，接下来，通过点乘的方式对进行加权以生成特征图，然后，沿轴顺时针旋转以还原到原始的输入形状，生成特征图； 路径b将输入的特征图沿轴逆时针旋转以获得特征图，接下来，经过、卷积、批处理归一化和sigmoid函数处理来获得注意力权重，然后，对进行点乘加权来获得特征图，最后，沿轴顺时针旋转以还原到原始的输入形状，从而生成特征图； 在路径c中，对输入的特征图进行全局平均池化、的卷积、批归一化和sigmoid函数处理，以得到注意力权重，最后，通过点乘进行加权，得到特征图； 路径a和路径b中的层负责连接平均池化和最大池化获得的特征，用公式1表示： ,1 其中，表示发生最大池化和平均池化操作的第0维，表示最大池化，表示平均池化； 步骤三：在训练集上，使用像素位置感知损失对DA-Net网络模型进行训练，执行分割任务并生成分割模型； 步骤四：在测试集上测试分割模型，根据测试的结果，选择出性能最优的分割模型为最终分割模型； 步骤五：使用最终分割模型进行胎儿小脑超声图像分割，得到分割结果。

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江苏科技大学，其通讯地址为：212003 江苏省镇江市梦溪路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。