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)獲悉吉林大學(xué)申請的專利基于動態(tài)注意力和隱式神經(jīng)表示的醫(yī)學(xué)圖像超分辨方法獲國家發(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：CN120450963B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-09-12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：202510954838.2，技術(shù)領(lǐng)域涉及：G06T3/4053；該發(fā)明授權(quán)基于動態(tài)注意力和隱式神經(jīng)表示的醫(yī)學(xué)圖像超分辨方法是由徐昊;韋億;王春暉;張洪達(dá)設(shè)計研發(fā)完成，并于2025-07-11向國家知識產(chǎn)權(quán)局提交的專利申請。

本基于動態(tài)注意力和隱式神經(jīng)表示的醫(yī)學(xué)圖像超分辨方法在說明書摘要公布了：本發(fā)明涉及人工智能以及醫(yī)學(xué)圖像超分辨技術(shù)領(lǐng)域，特別是涉及基于動態(tài)注意力和隱式神經(jīng)表示的醫(yī)學(xué)圖像超分辨方法，包括：獲取待處理醫(yī)學(xué)圖像；將所述待處理醫(yī)學(xué)圖像輸入預(yù)設(shè)的醫(yī)學(xué)圖像超分辨率模型中，輸出醫(yī)學(xué)圖像超分辨率結(jié)果，其中，所述醫(yī)學(xué)圖像超分辨率模型采用訓(xùn)練集訓(xùn)練獲得，所述訓(xùn)練集包括若干訓(xùn)練對，所述訓(xùn)練對包括低分辨率醫(yī)學(xué)圖像以及對應(yīng)的高分辨率醫(yī)學(xué)圖像，所述醫(yī)學(xué)圖像超分辨率模型基于引入動態(tài)注意力機制和隱式神經(jīng)表示的卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建。本發(fā)明通過學(xué)習(xí)醫(yī)學(xué)圖像層間特征表示，運用相應(yīng)的動態(tài)注意力機制，基于隱式神經(jīng)表示獲得高分辨率醫(yī)學(xué)圖像。

本發(fā)明授權(quán)基于動態(tài)注意力和隱式神經(jīng)表示的醫(yī)學(xué)圖像超分辨方法在權(quán)利要求書中公布了：1.基于動態(tài)注意力和隱式神經(jīng)表示的醫(yī)學(xué)圖像超分辨方法，其特征在于，包括： 獲取待處理醫(yī)學(xué)圖像； 將所述待處理醫(yī)學(xué)圖像輸入預(yù)設(shè)的醫(yī)學(xué)圖像超分辨率模型中，輸出醫(yī)學(xué)圖像超分辨率結(jié)果，其中，所述醫(yī)學(xué)圖像超分辨率模型采用訓(xùn)練集訓(xùn)練獲得，所述訓(xùn)練集包括若干訓(xùn)練對，所述訓(xùn)練對包括低分辨率醫(yī)學(xué)圖像以及對應(yīng)的高分辨率醫(yī)學(xué)圖像，所述醫(yī)學(xué)圖像超分辨率模型基于引入動態(tài)注意力機制和隱式神經(jīng)表示的卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建； 所述醫(yī)學(xué)圖像超分辨率模型包括： 特征提取模塊，用于采用卷積神經(jīng)網(wǎng)絡(luò)對輸入圖像進(jìn)行特征提取，獲取第一特征圖； 預(yù)超分辨模塊，用于采用插值算法對所述第一特征圖進(jìn)行層間超分辨，獲取第二特征圖； 動態(tài)注意力增強模塊，用于采用動態(tài)窗口的注意力機制對所述第二特征圖進(jìn)行增強，獲取第三特征圖； 超分辨模塊，用于通過隱式神經(jīng)表示解碼函數(shù)將第三特征圖和第三特征圖中坐標(biāo)信息映射為高分辨率圖像的體素強度，重建高分辨率圖像； 所述動態(tài)注意力增強模塊采用動態(tài)窗口的注意力機制對所述第二特征圖進(jìn)行增強，獲取第三特征圖，包括： 將特征向量輸入動態(tài)感受野單元獲取注意力窗口大小，并通過特征動態(tài)調(diào)整注意力滑動窗口大小，確定注意力窗口范圍； 在所述注意力窗口范圍內(nèi)，對第二特征圖進(jìn)行注意力計算，獲取高分辨特征向量，輸出所述第三特征圖； 所述動態(tài)感受野單元由輕量級深度可分離卷積網(wǎng)絡(luò)構(gòu)成，所述輕量級深度可分離卷積網(wǎng)絡(luò)通過兩個三維卷積進(jìn)行計算，獲取所述注意力窗口大小； 進(jìn)行所述注意力計算包括： 其中，是進(jìn)行注意力計算獲取的高分辨特征向量，是第一特征圖中查詢 坐標(biāo)對應(yīng)的特征向量，代表神經(jīng)網(wǎng)絡(luò)線性層中可學(xué)習(xí)的權(quán)重矩陣，表 示通過動態(tài)窗口對于領(lǐng)域提取到的特征向量。

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)人吉林大學(xué)，其通訊地址為：130012 吉林省長春市朝陽區(qū)前進(jìn)大街2699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)”。