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！

龙图腾网获悉山东师范大学申请的专利基于Prompt的边缘增强医学图像分割方法及系统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：CN118918329B 。

龙图腾网通过国家知识产权局官网在2025-06-27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：202411049574.8，技术领域涉及：G06V10/26；该发明授权基于Prompt的边缘增强医学图像分割方法及系统是由吕晨;刘鸿祥;白国靖;吕蕾;张阳阳;胡涵;刘弘设计研发完成，并于2024-08-01向国家知识产权局提交的专利申请。

本基于Prompt的边缘增强医学图像分割方法及系统在说明书摘要公布了：本发明属于计算机视觉与医学图像领域，具体涉及一种基于Prompt的边缘增强医学图像分割方法及系统，方法包括获取骨骼CT图像，通过编码器对图像进行连续下采样，每一层下采样得到的特征作为对应解码器中上采样层中输入的高分辨率特征图；通过边缘感知学习模块从骨骼CT图像中获取边缘信息、框信息以及掩膜信息，获取的信息与编码器输出的特征进行融合后作为瓶颈层的输入；在编码器中，将瓶颈层或者前一层输出作为低分辨率特征图，将低分辨率特征图和高分辨率特征图进行特征对齐和特征增强后作为当前层的输出，并将编码器最后一层的输出作为图像分割结果。本发明改善图像分割的效果，从而能节省医务人员花费在阅读和理解CT图像上的时间。

本发明授权基于Prompt的边缘增强医学图像分割方法及系统在权利要求书中公布了：1.一种基于Prompt的边缘增强医学图像分割方法，其特征在于，构建图像分割网络，该网络包括编码器、瓶颈层、解码器以及边缘感知学习模块，进行图像分割的过程包括以下步骤： 获取骨骼CT图像，通过编码器对图像进行连续下采样，每一层下采样得到的特征作为对应解码器中上采样层中输入的高分辨率特征图； 通过边缘感知学习模块从骨骼CT图像中获取边缘信息、框信息以及掩膜信息，通过获取的信息与编码器最后一个下采样层输出的特征进行融合后作为瓶颈层的输入； 在编码器中，将瓶颈层或者前一层的输出作为低分辨率特征图，将低分辨率特征图和高分辨率特征图进行特征对齐和特征增强后作为当前层的输出，并将编码器最后一层的输出作为图像分割结果，根据高分辨率图像和低分辨率图像进行特征对齐后的特征图进行特征增强的过程包括： 基于空间注意力机制，根据对齐后的特征图生成空间注意力图，利用空间注意力图对对齐后的特征图进行加权，得到第一加权特征图，包括： 利用带有两个激活函数的1×1卷积层来生成空间注意力图 即： 使用attSA对输入特征Fh′进行空间调制，得到第一加权特征图，即： 其中，σ·为sigmoid激活函数；表示两个1×1卷积层的权重；δ·表示ReLU激活函数；表示对齐后的特征图，表示Hh×Wh×Ch维的实数空间，Hh表示对齐后的特征图Fh′的高；Wh表示对齐后的特征图Fh′的宽，Ch表示对齐后的特征图Fh′的通道数；表示克罗内克积； 利用全局平均池生成对齐后的特征图的通道统计，基于通道注意力机制和通道统计生成每个通道的权重； 利用每个通道的权重分别对对齐后的特征图的每个通道进行加权，得到第二加权特征图，包括： 利用全局平均池生成对齐后的特征图Fh′计算其通道统计GCA，GCA的第c个元素的计算表示为： 利用带有sigmoid激活的简单门控机制来生成通道注意力图attCA，表示为： 利用通道注意力图attCA来调整输入特征Fh′，即： 其中，Fh′ci，j表示第c个通道中位置i，j处的元素，i∈{1，2，...，Hh}，j∈{1，2，...，Wh}；表示通道注意力中两个1×1卷积层的权重；δ·表示ReLU函数；为通道注意力图attCA中第c个通道的注意力图，Fh′c为对齐后的特征图Fh′中第c个通道的特征图； 将第一加权特征图和第二加权特征图通过相加进行融合，得到增强后的特征图。

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山东师范大学，其通讯地址为：250013 山东省济南市历下区文化东路88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”。