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！

龍圖騰網獲悉杭州師范大學申請的專利一種基于混合Swin Transformer U-Net的肺部CT圖像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：CN117274147B 。

龍圖騰網通過國家知識產權局官網在2025-09-12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：202211412454.0，技術領域涉及：G06T7/00；該發明授權一種基于混合Swin Transformer U-Net的肺部CT圖像分割方法是由張聚;應長鋼;龔偉偉;馬棟;上官之博;孫曉燕設計研發完成，并于2022-11-11向國家知識產權局提交的專利申請。

本一種基于混合Swin Transformer U-Net的肺部CT圖像分割方法在說明書摘要公布了：本發明涉及一種基于混合SwinTransformerU?Net的肺部CT圖像分割方法。本發明包括數據預處理和數據增強；構建分割模型HySwinUNet；設置訓練策略和損失函數，對模型進行訓練；驗證已訓練好的模型；通過構建HySwinUNet模型，結合卷積和Transformer，加入預激活剩余模塊模塊，利用卷積圖像的感應偏差來避免大規模預處理，信息在網絡的前向和反向傳播中都能實現由一個模塊直接傳遞至任意其它模塊，減小訓練負擔，使得網絡的獲得更好的訓練；使用自適應注意力模塊通過集成兩種注意力機制來獲取多尺度的全局特征，提高目標區域特征的權重比。本發明結合了SwinTransformer和U?Net，以增強傳統編碼器?解碼器架構的功能性和靈活性，實現肺部CT肺部感染部分的自動分割，能從CT圖像中準確分割肺部感染區。

本發明授權一種基于混合Swin Transformer U-Net的肺部CT圖像分割方法在權利要求書中公布了：1.一種基于混合SwinTransformerU-Net的肺部CT圖像分割方法，其特征在于：具體包括如下步驟： 步驟一、數據預處理和數據增強： 收集大量公開的肺部感染CT圖像，并進行數據增強，擴大樣本數量，并將這些圖像歸一化處理后作為模型的訓練集，用于訓練模型； 步驟二、構建分割模型HySwinUNet： 基于U-Net的編碼器-解碼器結構構建分割模型HySwinUNet，分割模型HySwinUNet包括編碼器、自適應注意力模塊、解碼器和跳躍連接； 在編碼器中，將輸入的圖像通過塊分割劃分成4×4的小塊，經過線性嵌入之后，向量的維度將會變成預先設置的值；將維度為C，分辨率為的輸入值饋送到兩個連續的Swin轉換器中執行表征學習，過程中特征維度和分辨率保持不變；Swin轉換器模塊負責特征表示學習，完成學習后進行塊合并，降采樣和增加維度，將空間大小減小12，并將特征維度增加到原來的兩倍，從而形成層次化的設計；上述過程將在編碼器中重復三次，在每一層傳播的過程中，提前通過預激活剩余模塊； 在編碼的過程中，采用自適應注意力模塊來定位到感興趣區域的特征信息，抑制沒有相關性的區域特征信息，有效地提取特征信息，更精準地分割出病灶區域；從而提高目標區域特征的權重比，提高網絡分割精度； 基于Swin轉換器塊來構建對稱解碼器；通過上采樣將相鄰維度的特征圖重塑為更高分辨率的特征圖，并相應地將特征維度減小到原始維度的一半；提取的上下文特征通過跳躍連接與編碼器的多尺度特征融合，以彌補下采樣造成的空間信息損失，恢復有價值的空間信息； 步驟三、設置訓練策略和損失函數； 將經過預處理的數據集劃分為訓練集、測試集和驗證集；采用隨機初始化和Adam優化算法；設置BatchSize、epoch和合適的學習率，同時采用正則化策略防止過擬合；分割模型HySwinUNet使用反向傳播算法對模型中的權重和偏置進行更新；訓練迭代過程中利用損失函數進行參數的更新； 步驟四、驗證已訓練好的網絡模型：將已經分割好的驗證集輸入訓練好的分割模型HySwinUNet，輸出的結果會將肺部CT圖中病灶的部分分割出來，得到已分割的圖像，通過對比專家分割出的CT圖像和本發明中訓練好的網絡模型所分割出的圖像來對模型進行評估； 驗證完成后，將任意肺部CT圖輸入分割模型HySwinUNet中，輸出已分割病灶的肺部CT圖。

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師范大學，其通訊地址為：311121 浙江省杭州市余杭區余杭塘路2318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”。