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！

龙图腾网获悉南京工业大学申请的专利一种基于多层级多注意力MLMA-UNet网络的图像自动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：CN116309640B 。

龙图腾网通过国家知识产权局官网在2026-01-09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：202310277220.8，技术领域涉及：G06T7/11；该发明授权一种基于多层级多注意力MLMA-UNet网络的图像自动分割方法是由张梦怡;孔赵锴;朱文俊;易阳;穆宜敏设计研发完成，并于2023-03-21向国家知识产权局提交的专利申请。

本一种基于多层级多注意力MLMA-UNet网络的图像自动分割方法在说明书摘要公布了：本发明提出一种基于多层级多注意力MLMA‑UNet网络的图像自动分割方法，解决现有技术计算复杂度高，分割性能低的问题，包括如下步骤：步骤一：获取肝脏CT图像数据集，并对CT图像进行预处理；步骤二：构建面向肝脏和肿瘤的多层级特征重校准网络分割模型，利用训练集训练所述模型，通过多层级提取全局和局部特征，重新校准聚合的多层级特征的通道响应；步骤三：调整多层级特征重校准网络分割模型的参数并多次训练，当模型的损失函数稳定收敛，得到稳定收敛的模型，利用测试集对训练好的模型进行测试，构建肝脏和肿瘤检测网络，获得肝脏和肿瘤分割结果，利用统计度量对所述网络性能进行评价。

本发明授权一种基于多层级多注意力MLMA-UNet网络的图像自动分割方法在权利要求书中公布了：1.一种基于多层级多注意力MLMA-UNet网络的图像自动分割方法，其特征在于，包括如下步骤： 步骤一：获取肝脏CT图像数据集，并对CT图像进行逐层预处理，统一CT图像的格式，并通过数据增强扩增CT图像数据集，将肝脏CT图像数据集分为训练集和测试集； 步骤二：构建面向肝脏和肿瘤的多层级特征重校准网络分割模型，利用训练集训练所述模型，包括训练肝脏分割和训练肿瘤分割，通过多层级提取全局和局部特征，重新校准聚合的多层级特征的通道响应； 步骤三：调整多层级特征重校准网络分割模型的参数并多次训练，当模型的损失函数稳定收敛，得到稳定收敛的模型，利用测试集对训练好的模型进行测试，构建肝脏和肿瘤检测网络，获得肝脏和肿瘤分割结果，利用统计度量对网络性能进行评价； 此外，将CA模块嵌入Res2Net瓶颈模块，对特征进行细化，沿一个空间方向捕获远程依赖关系的同时沿另一个空间方向保留精确的位置信息，增强网络对特征的目标捕获能力，具体的： 分别采用横纵两个空间范围的卷积核H，1和1，W沿着水平方向和垂直方向编码，其中，W表示输入特征水平方向的特征向量长度，H表示输入特征垂直方向的特征向量长度，从而沿着水平方向和垂直方向特征聚合，获得精确位置信息，并通过激励函数充分捕捉通道之间的关系，以及水平或垂直任一空间方向的长距离依赖关系，有助于模型更精准地定位和识别感兴趣的对象，并且可以增强网络学习特征的表达能力； 步骤二引入SE模块，实现了建模通道之间的相互依赖来自适应地重新校准通道级特征响应，加强了网络对关键通道信息的捕捉，具体的： 首先，将UNet中的3×3卷积替换成Res2Net瓶颈模块，将n个通道的3×3卷积滤波器替换成n个空洞卷积滤波器和多尺度池化层，Res2Net瓶颈模块在UNet模块上增添了2层残差单元结构，增加网络的感受野以捕获多尺度信息的同时不降低分辨率，提取更加细粒度的特征，提高分割的准确度； 然后，将SE模块嵌入Res2Net瓶颈模块，通过SE模块对特征进行细化，包括：将融合的多层级通道化为一维向量；通过SE模块对特征进行细化包括通过两个密集的层重新校准特征，并自动计算的输入通道的权重；利用输入的多层级特征对信道权值进行标度。

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南京工业大学，其通讯地址为：211816 江苏省南京市江北新区浦珠南路30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。