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！

龙图腾网获悉重庆邮电大学申请的专利结合邻域自注意力和分层特征融合的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：CN119672336B 。

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：202411737089.X，技术领域涉及：G06V10/26；该发明授权结合邻域自注意力和分层特征融合的医学图像分割方法是由尹学辉;侯天潇;唐朝设计研发完成，并于2024-11-29向国家知识产权局提交的专利申请。

本结合邻域自注意力和分层特征融合的医学图像分割方法在说明书摘要公布了：本发明涉及图像处理技术领域，具体涉及一种结合邻域自注意力和分层特征融合的医学图像分割方法，包括：获取原始医学训练数据集，所述原始医学图像训练数据包括：原始医学图像和对应的分割图标签；建立医学分割模型，利用医学图像训练数据集对医学分割模型进行训练；将待分割的医学图像输入训练好的医学分割模型得到分割图。本发明邻域自注意力NAF模块增强目标区域的轮廓和边界；采用基于深度可分离卷积的语义融合模块FMF来融合不同层次的特征以提升分割精度；同时，本发明将为医学诊断中病灶组织的检测提供坚实的理论基础和科学依据和参考。

本发明授权结合邻域自注意力和分层特征融合的医学图像分割方法在权利要求书中公布了：1.一种结合邻域自注意力和分层特征融合的医学图像分割方法，其特征在于，包括： S1：获取原始医学训练数据集，所述原始医学图像训练数据包括：原始医学图像和对应的分割图标签； S2：建立医学分割模型，利用医学图像训练数据集对医学分割模型进行训练；所述医学分割模型包括：MIT特征编码器、3个NAF邻域注意特征提取模块、改进的FMF解码器； 所述对医学分割模型进行训练包括： S21：将原始医学图像输入MIT特征编码器进行全局语义特征提取，得到特征F1~F4； S22：将原始特征F4作为高级特征H，将F3作为低级特征L，将H利用双线性插值法进行上采样，再与L进行残差连接，将得到的特征图输入NAF模块中得到低级浅层特征T1； S23：将特征T1作为高级特征H，将原始特征F2作为低级特征L，将H利用双线性插值法进行上采样，再与L进行残差连接，将得到的特征图输入NAF模块中得到中层特征T2； S24：特征T2作为高级特征H，将原始特征F1作为低级特征L，将H利用双线性插值法进行上采样，再与L进行残差连接，将得到的特征图输入NAF模块中得到高层特征T3； S25：将特征T1~T3和原始特征F4输改进的入FMF解码器进行特征融合，输出原始医学分割图P； S26：根据原始医学分割图和原始医学图像对应的分割图标签构建医学分割模型的损失函数，以损失函数最小为优化目标对医学分割模型的参数进行更新，完成医学分割模型的训练； 所述改进的FMF解码器，包括：4个1*1的卷积模块、4个BatchNorm层，3个空洞卷积层以及1个深度可分离卷积模块； FMF解码器中的4个1*1卷积模块分别对特征T1~T3和原始特征进行卷积操作随后利用BatchNorm层进行归一化处理得到特征，随后将特征进行上采样得到特征U2；利用Concat函数将特征和U2拼接后再使用空洞卷积对其进行特征提取得到特征D1；随后将特征进行上采样得到特征L3；利用Concat函数将特征和L3拼接后再使用空洞卷积对其进行特征提取,再进行上采样得到特征D2；对特征L3再进行上采样得到特征U3；将特征进行上采样得到特征L4；利用Concat函数将特征和L4拼接后再使用空洞卷积对其进行特征提取，再进行上采样得到特征D3；对特征L4再进行上采样得到特征U4；将特征、D1、D2、D3、U2、U3、U4相加得到特征C；将特征C输入深度可分离卷积层得到最终的分割图P； S3：将待分割的医学图像输入训练好的医学分割模型得到分割图。

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重庆邮电大学，其通讯地址为：400065 重庆市南岸区南山街道崇文路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。