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！

龙图腾网获悉长春理工大学申请的专利基于多分支与视觉曼巴的糖尿病性视网膜病变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：CN121437539B 。

龙图腾网通过国家知识产权局官网在2026-02-27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：202512014798.6，技术领域涉及：G06T7/11；该发明授权基于多分支与视觉曼巴的糖尿病性视网膜病变分割方法是由宁春玉;杨文静;郑景景;刘广亮;李玉瑶;石乐民设计研发完成，并于2025-12-30向国家知识产权局提交的专利申请。

本基于多分支与视觉曼巴的糖尿病性视网膜病变分割方法在说明书摘要公布了：基于多分支与视觉曼巴的糖尿病性视网膜病变分割方法，涉及医学图像处理领域。解决了现有的在糖尿病性视网膜病变方面仍存在小目标病变难以准确分割、模型复杂、全局上下文信息的建模能力不足等问题。本发明提供了一种糖尿病性视网膜病变分割模型，该模型以彩色眼底图像作为输入数据，通过基于多分支的多尺度注意融合模块MSAFBlock提取多尺度信息，并利用不同尺度的曼巴融合瓶颈块MSMFB获得有效的上下文信息，同时通过共享注意力跳跃连接模块构建联合加权跳跃模块有效融合多层次的特征，最后通过轻量化解码器输出最终的分割结果。通过该模型可以实现四种病变的高效分割。本发明还适用于糖尿病性视网膜病变图像处理领域中。

本发明授权基于多分支与视觉曼巴的糖尿病性视网膜病变分割方法在权利要求书中公布了：1.基于多分支与视觉曼巴的糖尿病性视网膜病变分割方法，其特征在于，所述方法包括以下步骤： 步骤1、从印度糖尿病视网膜病变图像数据集中获取糖尿病性视网膜病变图像以及微动脉瘤、硬性渗出物、软性渗出物、出血的像素级标注图像数据，并对所述像素级标注图像数据进行预处理； 步骤2、将步骤1中所获取的糖尿病性视网膜病变图像划分为训练集和测试集； 步骤3、基于步骤2所划分的糖尿病性视网膜病变图像构建MSAFBlock模型，用于提取局部纹理特征、边缘细节以及小尺度空间结构，即增强MSAFBlock模型对微小病灶细粒度目标的感知能力； 步骤4、基于步骤3所获取的糖尿病性视网膜病变的局部纹理特征构建曼巴融合瓶颈模型MSMFB，用于捕捉长程依赖与空间上下文关联，并获取病变的全局语义信息； 步骤5、基于步骤3获取的糖尿病性视网膜病变的纹理特征构建联合加权跳跃模块Joint-WeightedSkipModule，用于融合不同层之间的病变信息； 步骤6、基于步骤4所构建的曼巴融合瓶颈模型MSMFB和步骤5构建的联合加权跳跃模块Joint-WeightedSkipModule得到增强后的病变特征，构建基于注意力引导的轻量化解码器，完成糖尿病性视网膜病变的分割任务； 步骤7、在步骤1中所述的印度糖尿病视网膜病变图像数据集上训练和验证多尺度注意力卷积曼巴网络Multi-scaleAttentionConvolutionMambaNetwork，得到糖尿病性视网膜病变分割模型，完成基于多分支与视觉曼巴的糖尿病性视网膜病变分割； 步骤4中构建MSMFB模型的方法为： 所述MSMFB模型包括多尺度空洞卷积，Vmamba框架中的SS2D以及全局-局部特征融合模块，其中，SS2D用于捕获跨区域的全局上下文信息，利用局部卷积获取的整体语义关系并提升对大尺度病灶区域或稀疏病灶区域的识别能力； 所述全局-局部特征融合模块，用于对输入特征基于对应的权重函数进行加权处理，并将加权后的特征进行特征组合以形成联合表示；并根据所述联合表示生成用于调节整体特征响应的全局权重，并将其作用于初始输入以获得最终的加权特征输出； 步骤5中构建联合加权跳跃模块Joint-WeightedSkipModule的方法为： 将输入的多个特征图乘以其sigmoid函数得到的权重，并进行加权和融合，构建特征融合层，用于融合多层次特征信息；将融合多层次特征信息的特征图输出，完成联合加权跳跃模块Joint-WeightedSkipModule的构建。

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长春理工大学，其通讯地址为：130022 吉林省长春市卫星路7089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。