买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉东华大学申请的专利一种基于错误定位和自适应优化的皮肤病变分割方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119672041B 。

龙图腾网通过国家知识产权局官网在2025-06-10发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510188569.3，技术领域涉及：G06T7/10；该发明授权一种基于错误定位和自适应优化的皮肤病变分割方法是由王绍宇;李文萱;陈诺;夏小玲;石秀金设计研发完成，并于2025-02-20向国家知识产权局提交的专利申请。

本一种基于错误定位和自适应优化的皮肤病变分割方法在说明书摘要公布了：本发明涉及一种基于错误定位和自适应优化的皮肤病变分割方法，首先将皮肤镜拍摄的皮肤病变图像和对应的分割标签，划分成训练集、验证集和测试集；然后构建分割网络，再采用训练集对构建的分割网络进行训练，并在训练过程中通过验证集持续监测分割网络的泛化能力，最终得到训练好的分割网络；最后将测试集输入至训练好的分割网络中，输出得到皮肤病变的分割结果。本发明的一种基于错误定位和自适应优化的皮肤病变分割方法，有效地聚焦实际训练中需要优化的关键区域，帮助模型更准确地理解并区分病变与正常皮肤的特征，从而提升了其在处理模糊边界、复杂形状以及背景噪声等复杂病变时的分割能力。

本发明授权一种基于错误定位和自适应优化的皮肤病变分割方法在权利要求书中公布了：1.一种基于错误定位和自适应优化的皮肤病变分割方法，其特征在于包括如下步骤：1将皮肤镜拍摄的皮肤病变图像和对应的分割标签，划分成训练集、验证集和测试集；2构建分割网络；分割网络由编码器和解码器组成；编码器包含5个编码阶段，第1个编码阶段由CNN模块组成，第2～4个编码阶段由CNN模块和Transformer模块组成，第5个编码阶段由Transformer模块组成；解码器包含3个解码阶段，每个解码阶段输入的特征图都经过错误优化单元处理，错误优化单元包括错误定位和特征优化的功能；第5个编码阶段输出的特征图输入至第1个解码阶段，第1个解码阶段输出的特征图再输入至第2个解码阶段，第2个解码阶段输出的特征图再输出至第3个解码阶段，将第3个解码阶段输出的特征图和第2个编码阶段的输出特征图进行跳跃连接后，通过分割头输出预测分割图3采用训练集对构建的分割网络进行训练，并在训练过程中通过验证集持续监测分割网络的泛化能力，最终得到训练好的分割网络；4将测试集输入至训练好的分割网络中，输出得到皮肤病变的分割结果；每个解码阶段输入的特征图输入至错误优化单元中进行处理的过程如下：将特征图Di输入错误优化单元中，在错误优化单元中，首先执行错误定位，将特征图Di预测得到的粗分割图和原图X按通道维度连接后输入到UNet网络中，对粗分割图的错误进行预测，输出预测的错误区域图然后，利用预测的错误区域图粗分割图和特征图Di执行特征优化，分别增强特征图Di中前景病变和背景正常皮肤对应的类别特征，输出错误优化单元处理后的特征图；其中，i∈{2,3,4}；错误优化单元中的错误定位是通过与整体分割网络同步训练的一个UNet网络来预测分割结果中分割出错的区域，UNet网络训练时使用的标签是粗分割图中实际属于目标类别但未被预测的区域，以及被错误预测为目标类别的非目标区域的总和；错误优化单元中的特征优化是先参考预测的错误区域图提取前景类别图和背景类别图然后将类别图分别与特征图Di逐像素相乘，保留匹配类别的特征，再求平均，得到类别原型Pij；然后，用1×1卷积压缩类别原型Pij和特征图Di的通道维度得到和通过与两个可学习的权重矩阵和进行线性变换，得到键向量和值向量Vij；通过与逐像素相乘，对错误区域进行加权，随后将加权后的特征与可学习的权重矩阵进行线性变换，得到查询向量根据注意力机制的计算公式计算注意力矩阵并将和Vij点乘，得到类别增强的特征图最后，把和两个类别增强的特征图和用通道连接和1×1卷积融合后，输出错误优化单元处理后的特征图。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人东华大学，其通讯地址为：201620 上海市松江区人民北路2999号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。