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！

龙图腾网获悉西南大学申请的专利基于脉冲神经网络的医学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：CN117315242B 。

龙图腾网通过国家知识产权局官网在2026-03-10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：202311148171.4，技术领域涉及：G06V10/26；该发明授权基于脉冲神经网络的医学图像分割方法是由王华敏;马雨琪;沈航驰;李凡设计研发完成，并于2023-09-07向国家知识产权局提交的专利申请。

本基于脉冲神经网络的医学图像分割方法在说明书摘要公布了：本发明公开了基于脉冲神经网络的医学图像分割方法，包括：将医学图像输入到分割模型；输入模块对医学图像进行卷积编码；编码器提取医学图像的多尺度语义特征，按照每个尺度对应的通道数N，将该尺度下的语义特征映射到N个尺寸大小相同的特征图上得到特征图的语义特征；译码器对特征图在与分割模型编码器对应的多个尺度进行特征融合，并恢复特征图的分辨率与医学图像的分辨率大小一致；输出模块输出结果掩码图；其中，在将医学图像输入到分割模型前，对分割模型的分割网络进行了网络训练。本发明构建了AnalogSpikingU‑Net基础模型，提高了模型的分割性能与可集成性；并将AnalogCBAM模块和SpikingViT模块集成到该基础模型，使医学图像分割效果好、精度高。

本发明授权基于脉冲神经网络的医学图像分割方法在权利要求书中公布了：1.基于脉冲神经网络的医学图像分割方法，其特征在于，包括以下步骤： S1、输入医学图像a到分割模型中； S2、分割模型输入模块对医学图像a进行卷积编码，并输出多通道的特征图谱b； S3、构建分割模型编码器，采用分割模型编码器，借助特征图谱b提取医学图像a的多尺度语义特征，按照每个尺度对应的通道数N，将该尺度下的语义特征c映射到N个尺寸大小相同的特征图上得到特征图d； S4、采用分割模型译码器对特征图d在与分割模型编码器对应的多个尺度进行特征融合，并恢复特征图d的分辨率与医学图像a的分辨率大小一致； S5、分割模型输出模块对恢复分辨率的特征图d进行输出卷积，输出通道数为2，输出掩码图e用做医学诊断； 步骤S3中，构建分割模型编码器,步骤如下： S31、使用脉冲网络模型构造方法将U-Net模型改造成AnalogSpikingU-Net基础模型，并取其编码器部分作为分割模型编码器主体； S32、利用CBAM模块构造AnalogCBAM模块，并将AnalogCBAM模块集成到分割模型编码器的浅层位置； S33、利用ViT模块构造SpikingViT模块，并将SpikingViT模块集成到分割模型深层次瓶颈部分； 步骤S31中，使用脉冲网络模型构造方法将U-Net模型改造成AnalogSpikingU-Net基础模型，步骤如下： 1通过直接替换激活函数为神经元的构造方法将人工神经网络的U-Net模型修改为SpikingU-Net模型； 2对SpikingU-Net模型的所有模块进行神经元位置调整，所述神经元的位置从最末端调整到起始处，获得AnalogSpikingU-Net基础模型； 其中，所述SpikingU-Net模型包括SpikingU-Net操作模块，该SpikingU-Net操作模块经神经元位置的获得AnalogSpikingU-Net基础操作模块，所述AnalogSpikingU-Net基础操作模块布局为“神经元-卷积-批归一化-神经元-卷积-批归一化”； 步骤S32中，利用CBAM模块构造AnalogCBAM模块，并将AnalogCBAM模块集成到分割模型编码器的浅层位置，步骤如下： 1在人工神经网络中构建CBAM模块； 2将所述CBAM模块利用直接替换激活函数的方式得到SpikingCBAM模块； 3将SpikingCBAM模块进行神经元位置调整，得到AnalogCBAM模块； 4所述AnalogCBAM模块利用残差的连接方式集成在分割模型编码器的浅层位置； 步骤S33中，利用ViT模块构造SpikingViT模块，并将SpikingViT模块集成到分割模型深层次瓶颈部分，步骤如下： 1在人工神经网络中构建ViT模块； 2利用替换激活函数的构造方法将ViT模块转换成SpikingViT模块； 3将SpikingViT模块集成在分割模型编码器最深处的瓶颈部分。

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西南大学，其通讯地址为：400715 重庆市北碚区天生路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。