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！

龙图腾网获悉北京工业大学申请的专利一种基于双分支特征融合网络的息肉分割方法及系统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：CN117237641B 。

龙图腾网通过国家知识产权局官网在2026-01-23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：202311315813.5，技术领域涉及：G06V10/26；该发明授权一种基于双分支特征融合网络的息肉分割方法及系统是由张丽;赵志浩设计研发完成，并于2023-10-11向国家知识产权局提交的专利申请。

本一种基于双分支特征融合网络的息肉分割方法及系统在说明书摘要公布了：本发明公开了一种基于双分支特征融合网络的息肉分割方法及系统，方法包括：获取结肠镜息肉分割数据集，采用空间独占粘贴技术进行数据增强预处理；将数据集输入TCBFormer分割网络模型，采用深监督策略，在双加权特征损失函数下进行语义分割训练；其中，TCBFormer分割网络模型中，Transformer分支提取全局语义信息，CNN分支提取局部精细特征，BiFusion特征融合模块进行特征融合，SFA局部渐进上采样模块对融合特征进行级联上采样；将所要分割的结肠镜图像输入至训练完成的TCBFormer分割网络模型中，得到息肉分割结果。通过本发明的技术方案，消除了语义差距、降低了特征损失，具有很强的泛化能力，大大提升了对图像中息肉的分割精度。

本发明授权一种基于双分支特征融合网络的息肉分割方法及系统在权利要求书中公布了：1.一种基于双分支特征融合网络的息肉分割方法，其特征在于，包括： 获取结肠镜息肉分割数据集，并按照预设比例划分为训练集、验证集和测试集； 采用空间独占粘贴技术对所述结肠镜息肉分割数据集进行数据增强预处理； 将预处理后的所述训练集、所述验证集和所述测试集输入至TCBFormer分割网络模型，采用深监督策略，在基于加权的IoU损失函数和二进制交叉熵损失函数下，对所述TCBFormer分割网络模型进行语义分割训练；其中，所述TCBFormer分割网络模型包括Transformer分支、CNN分支、BiFusion特征融合模块和SFA局部渐进上采样模块，所述Transformer分支提取图像数据的全局语义信息，所述CNN分支提取所述图像数据的局部精细特征，所述BiFusion特征融合模块对所述图像数据的全局语义信息和局部精细特征进行有效结合得到融合特征，所述SFA局部渐进上采样模块对所述融合特征进行级联上采样； 将所要分割的结肠镜图像输入至训练完成的所述TCBFormer分割网络模型中，得到息肉分割结果； 所述TCBFormer分割网络中，所述BiFusion特征融合模块结合自注意力和多模态融合机制，采用SE-Block对所述Transformer分支所提取的特征实现通道注意力，采用CBAM-Block对所述CNN分支所提取的特征实现空间注意力，对所述Transformer分支的特征和所述CNN分支的特征进行哈德曼积运算，所述SE-Block、所述CBAM-Block和哈德曼积运算结果之间通过残差连接生成所述融合特征； 所述SFA局部渐进上采样模块为基于注意力门的级联上采样结构； 所述采用深监督策略，在基于加权的IoU损失函数和二进制交叉熵损失函数下，对所述TCBFormer分割网络模型进行语义分割训练的具体方式为： 基于加权的IoU损失函数和二进制交叉熵损失函数相结合的双加权特征损失函数为其中，表示加权Iou损失，表示加权二进制交叉熵损失； 在深监督策略下，由各个深监督分支的损失函数加权求和得到最终损失函数Ltotal＝αLT+βLF+γLf； 其中，Ltotal表示最终损失，LT、LF、Lf分别代表Tranformer分支、特征融合模块和最终输出特征图的深监督损失，α、β、γ为加权系数，且满足α+β+γ＝1； 以最终损失函数对所述TCBFormer分割网络模型进行端到端训练。

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北京工业大学，其通讯地址为：100124 北京市朝阳区平乐园100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。