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！

龙图腾网获悉东莞理工学院申请的专利一种应用于医疗图像分割的高效深度监督蒸馏方法及装置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：CN120411133B 。

龙图腾网通过国家知识产权局官网在2026-02-17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：202510490677.6，技术领域涉及：G06T7/11；该发明授权一种应用于医疗图像分割的高效深度监督蒸馏方法及装置是由李志宁;唐穗谷;陈雪芳;刘华珠;欧立宏;杨卓翰设计研发完成，并于2025-04-18向国家知识产权局提交的专利申请。

本一种应用于医疗图像分割的高效深度监督蒸馏方法及装置在说明书摘要公布了：本发明涉及医学图像分割技术领域，具体涉及一种应用于医疗图像分割的高效深度监督蒸馏方法及装置，包括预训练编码模块、高效多尺度融合块、多尺度分组注意门、高效频域边界提取块、高效融合上采样块、知识对齐多尺度蒸馏；本发明在有效捕获和融合多尺度特征的同时，具有增强跳跃连接中的特征表达能力；此外，通过利用频域信息提升模型的边界预测能力，并在编码‑解码阶段逐步对齐教师模型与学生模型的多尺度知识，使得轻量级学生模型在大幅降低计算成本的情况下仍能保持卓越的分割性能，且本发明具备极强的兼容性，可自适应不同尺度的多层视觉编码器，并自适应编码器不同层次的输出，在保证高分割性能的同时，有效降低计算量与参数量。

本发明授权一种应用于医疗图像分割的高效深度监督蒸馏方法及装置在权利要求书中公布了：1.一种应用于医疗图像分割的高效深度监督蒸馏方法，其特征在于，包括步骤： 首先采用预训练编码器得到分层多尺度特征图，然后通过跳跃连接将特征图传递给解码器部分； 解码器部分具有多层次结构，其层数由预训练编码器的层数所决定，其每层结构分别由高效多尺度融合块、多尺度分组注意门和高效频域边界提取块组成，从低层到高层采用高效融合上采样块进行上采样； 最后，基于知识对齐的多尺度蒸馏，采用教师模型输出的软标签对学生模型进行蒸馏，并通过多层次的蒸馏机制在编码‑解码阶段逐层对齐师生模型的多尺度特征和预测，对齐师生模型间的多尺度特征和预测，实现高性能医疗图像分割； 其中，所述的高效多尺度融合块，其输入为预训练编码器的输出特征图与经过多尺度分组注意门和高效融合上采样块增强融合的特征图，利用平行的多尺度深度卷积提取和融合不同尺度的上下文信息，并通过通道混洗操作改善通道间的交互，最后使用另一个深度卷积和批归一化来规范特征分布，以实现特征提取并融合特征，增强重要特征表达； 其中，所述的多尺度分组注意门通过多尺度分组注意机制有效融合细化上采样融合后的特征与跳跃连接特征，强化相关特征表达，同时抑制无关或冗余特征，从而全面提升特征提取的多样性和鲁棒性； 其中，所述的高效频域边界提取块，其输入为高效多尺度融合块的输出，通过自适应平均池化下采样，先把输入特征图压缩至特定分辨率，然后把它与一组高频滤波器相乘，从而提取出特征图的高频信息，然后把这些高频特征图恢复至原始分辨率，并与其他特征进行融合，之后使用通道注意力块和空间注意力块，分别对得到的特征图进行通道和空间层面的注意力增强，最后经过一个卷积得到最终的边界预测结果，其通过结合高频信息与空间和通道注意力机制，输出精确的边界预测图，并且联合解码阶段的特征图进行深度监督，防止模型在上采样过程中的关键信息丢失； 其中，所述的高效融合上采样块，通过融合跳跃连接的特征作为多尺度分组注意门的输入，并进一步结合多尺度分组注意门的输出给高效多尺度融合块提供经过加强的特征流； 其具体实现步骤如下： 首先对特征图使用了比例因子为2的上采样，然后对特征图分两支应用核大小为3×3的深度卷积和批归一化，并用激活函数ReLU6增强放大后的特征图，最后，经过逐元素相乘融合并使用通道混洗操作，然后使用核大小为1×1的卷积来降低通道数来适应下一阶段。

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东莞理工学院，其通讯地址为：523000 广东省东莞市松山湖科技产业园区大学路1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。