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！

龙图腾网获悉江苏科技大学申请的专利一种结合特征融合与注意力机制的脑肿瘤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：CN116342624B 。

龙图腾网通过国家知识产权局官网在2026-03-03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：202310325927.1，技术领域涉及：G06T7/11；该发明授权一种结合特征融合与注意力机制的脑肿瘤图像分割方法是由卫梦华;程科;陈思帆设计研发完成，并于2023-03-29向国家知识产权局提交的专利申请。

本一种结合特征融合与注意力机制的脑肿瘤图像分割方法在说明书摘要公布了：本发明涉及医学图像处理技术领域，具体涉及一种结合特征融合与注意力机制的脑肿瘤图像分割方法，包括步骤一、获得实际训练集、验证集和测试集；步骤二、得到以MobileNetV2为骨干的第一脑肿瘤图像分割网络；步骤三、引入注意力机制，得到结合注意力机制的第二脑肿瘤图像分割网络；步骤四、结合超列进行多尺度特征融合，得到一种结合特征融合与注意力机制的第三脑肿瘤图像分割网络；步骤五、得到训练好的最优脑肿瘤图像分割模型；步骤六、基于所述脑肿瘤图像分割模型对所述测试集进行预测并输出对脑肿瘤区域分割的结果。本发明通过结合多尺度特征融合和引入注意力机制，从而缓解类别不平衡问题，提高模型的分割性能和效果。

本发明授权一种结合特征融合与注意力机制的脑肿瘤图像分割方法在权利要求书中公布了：1.一种结合特征融合与注意力机制的脑肿瘤图像分割方法，其特征在于，包括： 步骤一、获取脑肿瘤图像样本及对应的分割掩膜，并对样本及对应的分割掩膜进行处理与分析，获得实际训练集、验证集和测试集； 步骤二、基于传统的UNet医学图像分割模型，选取MobileNetV2网络作为UNet医学图像分割模型的特征提取网络，实现深层特征的提取，得到以MobileNetV2为骨干的第一脑肿瘤图像分割网络； 上述选取MobileNetV2网络作为模型的特征提取网络，实现深层特征的提取，包括：加载MobileNetV2网络在ImageNet数据集上预训练好的权重，将MobileNetV2网络的输入层和线性瓶颈层linearbottleneck中的第1个、第3个、第6个的输出结果作为UNet医学图像分割模型网络编码器中四个阶段的输出结果，并将第13个线性瓶颈层作为网络的桥梁，来构建模型的特征提取网络，以实现深层特征的提取； 步骤三、在所述第一脑肿瘤图像分割网络的基础上，引入注意力机制，得到结合注意力机制的第二脑肿瘤图像分割网络；所述引入注意力机制包括：引入SpatialandChannelSqueezeamp;ExcitationBlockscSE注意力机制，scSE是混合注意力机制，包括通道注意力SpatialSqueezeandChannelExcitationBlock,cSE和空间注意力ChannelSqueezeandSpatialExcitationBlock,sSE； 所述通道注意力cSE先将维度为[C,H,W]通道的特征图经过全局平均池化方法变为[C,1,1]的维度，然后依次使用C2×1×1和C×1×1卷积进行处理，得到C维的向量，之后使用sigmoid函数进行归一化，最后将归一化后的结果与原来的特征图相乘，得到cSE特征图； 所述空间注意力sSE首先将[C,H,W]维度的特征图经过1×1×1的卷积变为[1,H,W]维度，之后通过sigmoid激活函数得到空间特征图，最后将之与原来的特征图相乘，得到sSE特征图； 将cSE特征图和sSE特征图结果相加，即为scSE注意力机制； 步骤四、在所述第二脑肿瘤图像分割网络的基础上，结合超列Hypercolumns进行多尺度特征融合，得到一种结合特征融合与注意力机制的第三脑肿瘤图像分割网络； 使用所述训练集对步骤四中的第三脑肿瘤图像分割网络进行模型训练，得到训练好的最优脑肿瘤图像分割模型包括以下步骤： 步骤4.1第三脑肿瘤图像分割网络参数初始化，包括：利用MobileNetV2模型在ImageNet数据集上预训练好的权重提取输入图像的特征信息； 步骤4.2设置训练参数，包括：第三脑肿瘤图像分割网络进行模型训练网络的训练轮次Epoch设置为150，样本批次BatchSize为16，网络的初始学习率lr设置为1e-4，一阶矩估计的指数衰减率beta1为0.9，二阶矩估计的指数衰减率beta2为0.999，权重衰减系数为lrEpoch，采用Adam优化器； 步骤4.3加载训练数据； 步骤4.4迭代训练，得到训练好的最优脑肿瘤图像分割模型，其中训练方式采用随机梯度下降算法对第三脑肿瘤图像分割网络进行模型迭代训练，只有在本次训练结果比上次有提升时才保存模型，经过指定轮次的迭代，得到训练好的最优脑肿瘤图像分割模型； 步骤五、使用所述训练集对步骤四中的第三脑肿瘤图像分割网络进行模型训练，得到训练好的最优脑肿瘤图像分割模型； 步骤六、基于所述脑肿瘤图像分割模型对所述测试集进行预测并输出对脑肿瘤区域分割的结果。

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江苏科技大学，其通讯地址为：212008 江苏省镇江市梦溪路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。