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！

龙图腾网获悉中国计量大学申请的专利多尺度上下文聚合与动态监督医学图像分割方法及其应用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：CN121458745B 。

龙图腾网通过国家知识产权局官网在2026-03-20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：202610008741.7，技术领域涉及：G06T7/12；该发明授权多尺度上下文聚合与动态监督医学图像分割方法及其应用是由肖丙刚;洪涛;余家斌;米红妹设计研发完成，并于2026-01-06向国家知识产权局提交的专利申请。

本多尺度上下文聚合与动态监督医学图像分割方法及其应用在说明书摘要公布了：本发明提出了一种多尺度上下文聚合与动态监督医学图像分割方法及其应用，属于医学图像处理技术领域。针对现有技术非线性特征拟合能力弱、全局上下文缺失及训练收敛不稳定的问题，本发明构建了ResUKAN+网络。该方法在编码器全层级嵌入残差KAN卷积模块，利用B样条函数增强非线性特征提取；在瓶颈层设置多尺度上下文聚合模块，融合动态金字塔池化与双重注意力机制以捕获全局依赖；在解码器末端引入动态辅助监督头，通过异质感受野提取互补特征，并结合随训练周期指数衰减的动态权重机制优化损失计算。本发明显著提升了对模糊边界及多尺度病灶的分割精度与鲁棒性，适用于医学影像智能诊断。

本发明授权多尺度上下文聚合与动态监督医学图像分割方法及其应用在权利要求书中公布了：1.一种多尺度上下文聚合与动态监督医学图像分割方法，其特征在于，包括以下步骤： 步骤S1：获取待处理的医学图像数据并进行标准化预处理； 步骤S2：将预处理后的医学图像输入构建好的分割网络； 所述分割网络包括编码器、瓶颈层和解码器；所述编码器包含多级特征提取单元，每一级均嵌入了残差KAN卷积模块，用于替代标准卷积进行非线性特征提取与下采样，生成多层级的编码特征；所述瓶颈层设置于编码器末端，包含多尺度上下文聚合模块，用于对深层编码特征进行多尺度信息提取与全局上下文融合；所述解码器通过多级上采样恢复特征分辨率，并与对应层级的编码特征进行跳跃连接融合； 其中，所述残差KAN卷积模块包括残差卷积单元和线性KAN单元；所述残差卷积单元采用双分支结构，其中主分支进行卷积特征提取，捷径分支进行恒等映射或维度调整，两分支的输出进行逐元素相加以实现残差连接；所述线性KAN单元将输入的特征向量展平，并对特征图中的每个位置进行非线性映射；所述非线性映射由基函数部分和样条函数部分加权求和构成；其中，基函数部分利用非线性激活函数对特征进行变换；样条函数部分利用B样条基函数的线性组合对特征进行变换； 其中，多尺度上下文聚合模块的处理过程包括： 利用一组不同目标尺寸的自适应平均池化层生成多路金字塔特征，并通过卷积与上采样操作将各路特征对齐后进行通道拼接； 对拼接后的特征依次施加空间注意力权重和通道注意力权重； 对经过双重注意力加权的特征进行指数移动平均处理，通过维护通道级的移动平均统计量来平滑特征分布，抑制图像噪声； 步骤S3：对解码器输出的特征图进行双头预测，分别通过主分割头生成主预测结果，以及通过动态辅助监督头生成辅助预测结果； 所述动态辅助监督头包含多分支异质感受野结构，用于提取互补特征； 步骤S4：基于主预测结果和辅助预测结果计算网络总损失； 其中，辅助预测结果对应的辅助损失在总损失中的权重由动态权重参数确定，所述动态权重参数随网络训练周期的推进呈非线性衰减趋势； 步骤S5：根据所述总损失更新网络参数直至收敛，并利用训练好的主分割头对医学图像进行分割。

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中国计量大学，其通讯地址为：310000 浙江省杭州市下沙高教园区学源街258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。