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！

龙图腾网获悉广东工业大学申请的专利基于全局-局部融合注意力机制的心脏医学影像分割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：CN120672775B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202510732523.3，技术领域涉及：G06T7/11；该发明授权基于全局-局部融合注意力机制的心脏医学影像分割系统是由崔倩;谢华献;邢玛丽;黄秀韦;赵曜;鲁仁全设计研发完成，并于2025-06-04向国家知识产权局提交的专利申请。

本基于全局-局部融合注意力机制的心脏医学影像分割系统在说明书摘要公布了：本发明属于计算机视觉技术领域，具体涉及基于全局‑局部融合注意力机制的心脏医学影像分割系统，包括全局‑局部融合注意力机制模块、全局‑局部融合注意力分割网络架构以及损失函数模块。本发明通过结合全局通道信息、局部空间信息，以及全局与局部特征的协同建模，能够显著提升分割模型的特征表达能力和性能表现。具体来说，本发明的GLFA机制通过局部分支和全局分支联合建模，充分挖掘通道信息与空间信息的潜力。

本发明授权基于全局-局部融合注意力机制的心脏医学影像分割系统在权利要求书中公布了：1.基于全局-局部融合注意力机制的心脏医学影像分割系统，其特征在于：包括：全局-局部融合注意力机制模块、全局-局部融合注意力分割网络架构以及损失函数模块； 所述全局-局部融合注意力机制模块：通过结合全局上下文感知与局部细节聚焦功能，动态分配不同区域的权重；其全局模块提取整体结构或长程依赖关系，局部模块捕获邻近区域的细微特征，并利用自适应融合策略将两类信息互补整合，以完成对复杂数据关键特征的多层次协同表征； 所述全局-局部融合注意力分割网络架构：对输入图像首先通过ResNet编码器提取多层级局部特征；经过线性投影生成高维嵌入序列，并通过位置编码注入空间信息；编码阶段通过多层包含多头自注意力与前馈网络建模全局上下文依赖，期间通过层归一化优化特征分布；在跳跃连接阶段，编码器各层特征与解码器对应层融合前，引入GLFA注意力机制，动态校准特征重要性权重；解码器部分采用多级渐进上采样结构，每级通过转置卷积提升分辨率，同时融入空间门控增强单元作为的SGE模块；SGE模块通过分组空间注意力机制，将特征图划分为多个子组，分别计算每个子组的空间注意力权重图；通过通道注意力与空间掩码协同优化特征表达，强化细节恢复能力；上采样特征与经GLFA加权的编码器特征进行通道拼接后，通过卷积细化局部结构，最终生成像素级分割掩模; 所述损失函数模块结合交叉熵损失与Dice损失量化像素级分割掩模分割结果与真实值之间的差异，并指导优化算法像素级分割掩模参数，最终输出像素级分割掩模。

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广东工业大学，其通讯地址为：510006 广东省广州市番禺区广州大学城外环西路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。