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！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉浙江工業(yè)大學(xué)申請的專利一種基于顯著性圖引導(dǎo)和不確定性語義增強(qiáng)的息肉分割方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN116630245B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-09-05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?zhí)?專利號為：202310490844.8，技術(shù)領(lǐng)域涉及：G06T7/00；該發(fā)明授權(quán)一種基于顯著性圖引導(dǎo)和不確定性語義增強(qiáng)的息肉分割方法是由鄭建煒;李燕;方創(chuàng)杰;劉豪;谷雨斌設(shè)計研發(fā)完成，并于2023-05-05向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種基于顯著性圖引導(dǎo)和不確定性語義增強(qiáng)的息肉分割方法在說明書摘要公布了：本發(fā)明公開了一種基于顯著性圖引導(dǎo)和不確定性語義增強(qiáng)的息肉分割方法。對待分割的醫(yī)學(xué)圖像，先通過主干編碼子網(wǎng)絡(luò)提取特征圖和顯著性圖，將特征圖通過二階池化卷積注意力子網(wǎng)絡(luò)，學(xué)習(xí)更高階的特征表示以增強(qiáng)非線性建模能力，使用顯著性圖通過不確定性語義增強(qiáng)子網(wǎng)絡(luò)引導(dǎo)特征圖，即引導(dǎo)網(wǎng)絡(luò)關(guān)注目標(biāo)區(qū)域特征的學(xué)習(xí)，最后將顯著性圖經(jīng)過上采樣和激活函數(shù)得到醫(yī)學(xué)圖像最終預(yù)測分割結(jié)果。本發(fā)明試圖通過對目標(biāo)區(qū)域的顯著性和不確定性計算，來引導(dǎo)網(wǎng)絡(luò)關(guān)注目標(biāo)區(qū)域特征的學(xué)習(xí)，同時對與邊界信息高度相關(guān)的顯著圖進(jìn)行不確定性區(qū)域增強(qiáng)，以進(jìn)一步提升網(wǎng)絡(luò)在多種復(fù)雜場景下的分割性能，增強(qiáng)網(wǎng)絡(luò)的泛化能力和魯棒性。

本發(fā)明授權(quán)一種基于顯著性圖引導(dǎo)和不確定性語義增強(qiáng)的息肉分割方法在權(quán)利要求書中公布了：1.一種基于顯著性圖引導(dǎo)和不確定性語義增強(qiáng)的息肉分割方法，其特征在于，包括以下步驟： 步驟S1、獲取待分割的醫(yī)學(xué)圖像； 步驟S2、將圖像輸入到PVT主干編碼子網(wǎng)絡(luò)中，提取出三個特征圖、、和一個顯著性圖； 步驟S3、將特征圖、、分別輸入到二階池化卷積注意力子網(wǎng)絡(luò)SPA中得到圖像、、； 步驟S4、顯著性圖通過不確定性語義增強(qiáng)子網(wǎng)絡(luò)UAA引導(dǎo)特征圖得到，并通過逐點相加引導(dǎo)得到顯著性圖；顯著性圖通過不確定性語義增強(qiáng)子網(wǎng)絡(luò)引導(dǎo)特征圖得到，并通過逐點相加引導(dǎo)得到顯著性圖；顯著性圖通過不確定性語義增強(qiáng)子網(wǎng)絡(luò)引導(dǎo)特征圖得到，并通過逐點相加引導(dǎo)得到顯著性圖； 所述的不確定性語義增強(qiáng)子網(wǎng)絡(luò)，包括： S41.令輸入的顯著性圖為，大小為，上采樣為的顯著性圖，令輸入的特征圖為,其大小為； S42.對顯著性圖計算前景圖、背景圖和不確定區(qū)域圖的表征向量,計算公式如下： ； S43.對大小為的顯著性圖、和做通道連接并重塑為大小的特征圖； S44.將特征圖經(jīng)過卷積進(jìn)行特征融合，并重塑為大小的特征圖； S45.將特征圖的與特征圖每個區(qū)域圖匯總，做矩陣乘法并在通道維度拼接得到大小為的特征圖，匯總過程可定義為： ， ， 其中、和分別表示前景區(qū)域、背景區(qū)域和不確定區(qū)域特征向量，表示矩陣乘法； S46.將特征圖和分別經(jīng)過卷積進(jìn)行特征融合，然后做矩陣乘法得到大小為的特征圖，以計算每個特征向量與輸入特征圖中的每個像素之間的相似度，定義為： ， ,,， 其中表示逐點卷積，、和表示對應(yīng)特征向量、、和與輸入特征圖中的每個像素之間的相似度，、和表示對應(yīng)特征向量、、和的相似度得分，； S47.將特征向量、、和經(jīng)過權(quán)重矩陣與相似度得分、和相乘的結(jié)果相加，然后通過卷積得到上下文特征圖如下： ， 其中為權(quán)重矩陣； S48.將上下文特征圖和輸入特征圖相對于通道方向進(jìn)行拼接，并進(jìn)行逐點卷積得到大小為的不確定性語義增強(qiáng)子網(wǎng)絡(luò)輸出特征圖； 步驟S5、將顯著性圖經(jīng)過2倍雙線性插值上采樣和Sigmoid函數(shù)得到醫(yī)學(xué)圖像的最終預(yù)測分割結(jié)果。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人浙江工業(yè)大學(xué)，其通訊地址為：310012 浙江省杭州市下城區(qū)潮王路18號；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)”。