買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉杭州電子科技大學申請的專利一種多層級全分辨率特征選擇網絡的視網膜血管分割方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN118470031B 。

龍圖騰網通過國家知識產權局官網在2025-09-05發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202410238638.2，技術領域涉及：G06T7/10；該發明授權一種多層級全分辨率特征選擇網絡的視網膜血管分割方法是由王昌鵬;馬玉良;張健康;邱奕涵設計研發完成，并于2024-03-04向國家知識產權局提交的專利申請。

本一種多層級全分辨率特征選擇網絡的視網膜血管分割方法在說明書摘要公布了：本發明公開了一種多層級全分辨率特征選擇網絡的視網膜血管分割方法，該方法首先獲取視網膜數據集，并劃分為訓練集與測試集。其次對視網膜數據集中的視網膜圖像數據進行預處理，并將預處理后的訓練集做數據擴充和數據增強。然后在編碼器解碼器網絡基礎上添加多尺度上下文交互機制，并以此基礎構建多層級全分辨率特征選擇網絡，輸出視網膜血管分割結果。最后構建帶logistics函數的二元交叉熵損失函數，通過訓練集進行訓練，將訓練得到的網絡權重應用在測試集，構建評價指標觀察分割結果。本發明使分割結果的魯棒性更強，提高了對細微血管和低對比度血管的分割能力，使分割結果更加完整和精確。

本發明授權一種多層級全分辨率特征選擇網絡的視網膜血管分割方法在權利要求書中公布了：1.一種多層級全分辨率特征選擇網絡的視網膜血管分割方法，其特征在于，包括如下步驟： 步驟1：獲取視網膜數據集，并劃分為訓練集與測試集； 步驟2：對視網膜數據集中的視網膜圖像數據進行預處理； 步驟3：將預處理后的訓練集做數據擴充和數據增強； 步驟4：在編碼器解碼器網絡基礎上添加多尺度上下文交互機制，并以此基礎構建多層級全分辨率特征選擇網絡，輸出視網膜血管分割結果； 所述多層級全分辨率特征選擇網絡由全分辨率特征提取網絡、循環去噪和特征選擇機制、完整邊緣細節增強模塊三部分組成；經過全分辨率特征提取網絡后，得到多級全分辨率輸出，然后分別對其進行循環去噪和特征選擇機制和完整邊緣細節增強模塊； 首先在U-Net網絡基礎上添加多尺度上下文交互機制代替原始的跳躍連接，U-Net網絡內部進行水平和垂直特征學習，并使用多尺度上下文交互機制融合相鄰不同層次的特征；定義Fi,j為U-Net網絡內部特征，其中i和j分別定義為U-Net網絡的行和列； 所述全分辨率特征提取網絡結構具體實現過程如下： 將處理好的灰度圖像塊輸入全分辨率特征提取網絡，通過對其進行卷積操作調整通道數得到第1行第1個特征F0,0，然后對該特征分別進行雙層卷積塊和下采樣操作得到第2行的兩個不同尺度的隱藏層特征F0,1,F1,1，其中經過雙層卷積塊得到的特征尺度保持不變，下采樣得到的特征空間大小減半；對F0,1執行雙層卷積和下采樣操作，生成和兩個臨時映射特征，其中上標C表示經過雙層卷積的臨時映射特征，上標d表示經過下采樣生成的臨時映射特征，對F1,1進行上采樣、雙層卷積和下采樣操作生成和三個臨時映射特征，上標u表示上采樣生成的臨時映射特征，然后對具有相同下標的臨時映射特征進行多尺度上下文多感受野聚合操作融合上下文多尺度信息得到對應的映射特征，對于沒有相同下標的臨時映射特征，則直接將其作為映射特征，由此得到第3行3個映射特征F0,2，F1,2，F2,2；然后對第3行的特征重復和上一行相同的操作，對后續行特征進行同樣操作，直到經過上一層特征下采樣后到達瓶頸層，即網絡最深層的特征Fn,n； Fn,n所在行的特征為F0,n…Fn,n，對該行第一列全分辨率特征執行雙層卷積和下采樣，對最深列特征Fn,n僅執行上采樣，其余列特征執行上采樣、雙層卷積和下采樣分別得到相應的臨時映射特征，隨后按照臨時映射特征下標相同進行多尺度上下文多感受野聚合得到下一行的特征，即F0,n+1…Fn-1,n+1；重復上一行操作構建完整的全分辨率特征提取網絡，最后得到最后一行的一個全分辨率特征輸出； 步驟5：構建帶logistics函數的二元交叉熵損失函數，通過訓練集進行訓練，將訓練得到的網絡權重應用在測試集，構建評價指標觀察分割結果。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人杭州電子科技大學，其通訊地址為：310018 浙江省杭州市錢塘區白楊街道2號大街1158號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。