買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉浙江工業(yè)大學(xué)申請(qǐng)的專利一種基于局部和全局上下文信息編碼的醫(yī)學(xué)圖像分割方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN116486074B 。

龍圖騰網(wǎng)通過國家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-08-22發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202310333324.6，技術(shù)領(lǐng)域涉及：G06V10/26；該發(fā)明授權(quán)一種基于局部和全局上下文信息編碼的醫(yī)學(xué)圖像分割方法是由汪曉妍;彭梅芳;黃曉潔;張玲;夏明;陳國能設(shè)計(jì)研發(fā)完成，并于2023-03-30向國家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種基于局部和全局上下文信息編碼的醫(yī)學(xué)圖像分割方法在說明書摘要公布了：本發(fā)明公開了一種基于局部和全局上下文信息編碼的醫(yī)學(xué)圖像分割方法，獲取待分割的醫(yī)學(xué)圖像，進(jìn)行預(yù)處理后輸入到構(gòu)建的分割網(wǎng)絡(luò)模型，所述分割網(wǎng)絡(luò)模型包括編碼模塊、特征提取模塊和解碼模塊，在編碼模塊中對(duì)預(yù)處理后的待分割醫(yī)學(xué)圖像依次經(jīng)過四次卷積、最大池化操作和連接操作，然后通過深度可分離卷積融合多尺度特征，輸出編碼特征；在特征提取模塊中，編碼特征依次經(jīng)過空洞注意力模塊和和空間網(wǎng)格注意力模塊，提取得到含有全局上下文信息的特征圖，在解碼模塊中，將特征圖通過像素重組操作，然后將像素重組操作輸出的特征圖進(jìn)行拼接后輸入一個(gè)卷積層，得到分割結(jié)果。本發(fā)明有效地整合局部上下文信息和全局上下文信息，分割結(jié)果更加準(zhǔn)確。

本發(fā)明授權(quán)一種基于局部和全局上下文信息編碼的醫(yī)學(xué)圖像分割方法在權(quán)利要求書中公布了：1.一種基于局部和全局上下文信息編碼的醫(yī)學(xué)圖像分割方法，其特征在于，所述基于局部和全局上下文信息編碼的醫(yī)學(xué)圖像分割方法，包括： 獲取待分割的醫(yī)學(xué)圖像，進(jìn)行預(yù)處理后輸入到構(gòu)建的分割網(wǎng)絡(luò)模型，所述分割網(wǎng)絡(luò)模型包括編碼模塊、特征提取模塊和解碼模塊； 在編碼模塊中對(duì)預(yù)處理后的待分割醫(yī)學(xué)圖像依次經(jīng)過四次卷積和最大池化操作，得到特征圖F1、F2、F3、F4，將特征圖F1、F2、F3經(jīng)過自適應(yīng)平均池化到與F4一樣的尺寸后與F4進(jìn)行連接，然后通過深度可分離卷積融合多尺度特征，輸出編碼特征； 在特征提取模塊中，編碼特征依次經(jīng)過空洞注意力模塊和和空間網(wǎng)格注意力模塊，提取得到含有局部和全局上下文信息的特征圖； 在解碼模塊中，將含有局部和全局上下文信息的特征圖與特征圖F1、F2、F3、F4通過像素重組操作，然后將像素重組操作輸出的特征圖進(jìn)行拼接后輸入一個(gè)卷積層，得到分割結(jié)果； 其中，所述空洞注意力模塊，執(zhí)行如下操作： 將編碼特征輸入到所述空洞注意力模塊的第一DAM分支，所述第一DAM分支包括四個(gè)級(jí)聯(lián)分支，第一個(gè)級(jí)聯(lián)分支由一個(gè)3×3的普通卷積組成，第二個(gè)級(jí)聯(lián)分支由一個(gè)空洞率為3的3×3空洞卷積和一個(gè)1×1普通卷積組成，第三個(gè)級(jí)聯(lián)分支由一個(gè)3×3的普通卷積、一個(gè)空洞率為3的3×3卷積和一個(gè)1×1普通卷積組成，第四個(gè)級(jí)聯(lián)分支由一個(gè)3×3的普通卷積、一個(gè)空洞率為3的3×3卷積、一個(gè)空洞率為5的3×3卷積和一個(gè)1×1普通卷積組成，將每個(gè)級(jí)聯(lián)分支得到的特征圖與編碼特征進(jìn)行連接，得到第一特征圖；對(duì)第一特征圖進(jìn)行SE操作后，與第一特征圖相乘，然后經(jīng)過1×1卷積，得到第一DAM分支輸出的特征圖； 將編碼特征輸入到所述空洞注意力模塊的第二DAM分支，所述第二DAM分支執(zhí)行展望注意力操作，得到第二DAM分支輸出的特征圖； 將第一DAM分支輸出的特征與第二DAM分支輸出的特征圖相加，得到空洞注意力模塊輸出的特征圖； 所述空間網(wǎng)格注意力模塊，執(zhí)行如下操作： 將空洞注意力模塊輸出的特征圖輸入到空間網(wǎng)格注意力模塊的第一SGAM分支，所述第一SGAM分支執(zhí)行稀疏的全局注意力操作，得到第一SGAM分支輸出的特征圖； 將空洞注意力模塊輸出的特征圖輸入到空間網(wǎng)格注意力模塊的第二SGAM分支，所述第二SGAM分支執(zhí)行空間注意力操作，得到第二SGAM分支輸出的權(quán)重系數(shù)； 將第一SGAM分支輸出的特征圖與第二SGAM分支輸出的權(quán)重系數(shù)相乘，得到含有全局上下文信息的特征圖。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人浙江工業(yè)大學(xué)，其通訊地址為：310014 浙江省杭州市下城區(qū)潮王路18號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。