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！

龍圖騰網獲悉齊魯工業大學(山東省科學院);山東省人工智能研究院申請的專利一種基于三維注意力機制的圖像提取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：CN119579872B 。

龍圖騰網通過國家知識產權局官網在2025-09-09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：202411695697.9，技術領域涉及：G06V10/25；該發明授權一種基于三維注意力機制的圖像提取方法是由陳達;劉曉語;張炯;張丹;石新陽;曹步勇;胡迎雪設計研發完成，并于2024-11-25向國家知識產權局提交的專利申請。

本一種基于三維注意力機制的圖像提取方法在說明書摘要公布了：本發明涉及醫學人工智能技術領域，具體為一種基于三維注意力機制的圖像提取方法，步驟如下：創建數據集，再將數據集劃分為訓練集和測試集；對訓練集和測試集進行裁剪，再將裁剪后的圖像轉換為統一格式，得到預處理后的訓練集和測試集；構建網絡結構，并對其進行配置，將預處理后的訓練集輸入至網絡結構進行訓練，多次迭代訓練過程，不斷更新網絡結構參數，保存訓練中得到的最優權重和偏置量，完成對網絡結構的訓練；將保存的最優權重和偏置量、預處理后的測試集中的圖像數據輸入至訓練好后的網絡結構中，輸出最終預處理后的測試集的提取結果。本發明主要用于對圖像進行處理和提取，以提高圖像質量和增強圖像信息，更好地理解圖像中的長距離依賴關系。

本發明授權一種基于三維注意力機制的圖像提取方法在權利要求書中公布了：1.一種基于三維注意力機制的圖像提取方法，其特征是，包括以下步驟： S1.選取現有的三維醫學圖像數據作為數據集，然后按比例將數據集劃分為訓練集和測試集； S2.對訓練集和測試集進行質心裁剪，再將裁剪后的圖像數據轉換為統一格式，得到預處理后的訓練集和測試集； S3.構建網絡結構，并對網絡結構進行配置，將預處理后的訓練集輸入至網絡結構進行訓練，多次迭代訓練過程，不斷更新網絡結構參數，保存訓練中得到的最優權重和偏置量，完成對網絡結構的訓練； 網絡結構由編碼器、解碼器、三個MFF多特征融合模塊和三個3DAEM三維注意力增強機制模塊四部分組成，其中，編碼器和解碼器均由四個卷積塊組成，編碼器的四個卷積塊均由兩個卷積核為3，步長為1，填充為1的卷積層、InstanceNorm層、ReLU層和下采樣系數為2的最大值池化層組成，解碼器的四個卷積塊由一個核為2的上采樣塊和兩個卷積核大小為3，步長為2，填充為1的卷積層、InstanceNorm層和ReLU激活函數組成，構建完網絡結構后再對網絡結構進行配置，使用CosineAnnealLingLR學習率調整策略、Adam優化器和反向傳播算法對網絡結構進行優化，然后將預處理后的訓練集輸入至網絡結構中進行訓練，直至輸出最終特征圖結果，并保存網絡結構訓練過程中的權重和偏置量，然后多次迭代訓練過程，不斷更新網絡結構的權重和偏置量，保存其中最優的權重和偏置量；其中，將預處理后的訓練集中圖像輸入至網絡結構中進行訓練，訓練過程主要分為兩部分，編碼器處理階段和解碼器處理階段； 編碼器處理階段： （1）將預處理后的訓練集中任意一張圖像輸入至編碼器的第一個卷積塊中，輸出得到特征圖，再將特征圖輸入至第一個MFF模塊中得到低級特征圖； （2）將低級特征圖輸入至編碼器的第二個卷積塊得到特征圖，再將特征圖和特征圖輸入至第二個MFF模塊中，先對特征圖進行核為2的最大池化操作，再和特征圖進行卷積核為1的卷積操作得到低級特征圖，的計算公式為： ， 其中，表示核為2的最大池化操作，表示卷積核為1的卷積操作，表示拼接操作； （3）將低級特征圖輸入至編碼器第三個卷積塊得到特征圖，再將特征圖、特征圖和特征圖輸入至第三個MFF模塊中，先對特征圖進行核為4的最大值池化操作，對執行核為2的最大值池化操作，再將兩者和特征圖進行卷積核為1的卷積操作得到低級特征圖，的計算公式為： ， 其中，表示核為2的最大值池化操作,表示核為4的最大值池化操作，表示卷積核為1的卷積操作，表示拼接操作； （4）將低級特征圖輸入至編碼器第四個卷積塊得到特征圖； S4.將保存的最優權重和偏置量，以及預處理后的測試集中的圖像數據輸入至訓練好后的網絡結構中，輸出最終預處理后的測試集的提取結果。

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齊魯工業大學(山東省科學院);山東省人工智能研究院，其通訊地址為：250000 山東省濟南市長清區大學路3501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”。