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！

龙图腾网获悉山西大学申请的专利一种基于MLP和CNN的视盘视杯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：CN115578562B 。

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：202211258174.9，技术领域涉及：G06V10/26；该发明授权一种基于MLP和CNN的视盘视杯分割方法是由宋艳涛;张文杰;钱宇华设计研发完成，并于2022-10-14向国家知识产权局提交的专利申请。

本一种基于MLP和CNN的视盘视杯分割方法在说明书摘要公布了：一种基于MLP和CNN的视盘视杯分割方法，属于医学图像分割领域；解决视盘视杯分割精度低、推理速度慢的问题。技术方案是：1第一阶段使用卷积神经网络和通道注意力机制初步提取图像特征；2二三阶段使用卷积神经网络和RB‑MLP模块诱导网络关注位置信息，标记特征以提升特征质量；3四五阶段使用卷积神经网络和R‑MLP模块标记特征以提升特征质量；4第六阶段融合二至五阶段的特征图，使用金字塔平均池化来扩大特征的感受野；5第七阶段，将特征图上采样并与第一层输出的特征图进行跨层连接，恢复丢失细节；6第八阶段，将特征图上采样至原始尺寸，经由1×1卷积输出最终预测结果。本发明具有分割精度高、结果真实、网络复杂度低、推理速度快等优点。

本发明授权一种基于MLP和CNN的视盘视杯分割方法在权利要求书中公布了：1.一种基于MLP和CNN的视盘视杯分割方法，其特征是：包括以下步骤： 1第一阶段：使用卷积模块和SE-Block初步提取图像特征，输出通道数为32的特征图； 2第二三阶段：先使用卷积模块进一步提取特征；随后进行第一次特征标记：将特征图平均分为5组进行平移：右上2单位；右上1单位；不移动；左下1单位；左下2单位，之后将各组超出部分裁剪并合并为一个特征图；将该特征图依次输入MLP和DW-Conv，其中MLP将通道数放大四倍；再进行第二次特征标记操作：将特征图平均分为5组进行平移：左下2单位；左下1单位；不移动；右上1单位；右下2单位，之后将各组超出部分裁剪并合并为一个特征图；将该特征图依次输入MLP和DW-Conv，其中MLP将通道数缩小四倍；最后，将当前特征图与第一次平移后的特征图进行残差连接，输出通道数为64的特征图；详见公式123； Xshift＝Shiftw，hX1 Xstage1＝DWConvMLPXshift2 Xoutput＝DWConvMLPShiftw，hXstage1+Xshift3 其中X表示特征图，DWConv表示DW-Conv操作，MLP表示多层感知机； 3第四五阶段：先使用卷积模块进一步提取特征；随后进行第一次特征标记：将特征图平均分为5组进行平移：右上2单位；右上1单位；不移动；左下1单位；左下2单位，之后将各组超出部分裁剪并合并为一个特征图；将该特征图依次输入MLP和DW-Conv，其中MLP将通道数放大四倍；再进行第二次特征标记操作：将该特征图依次输入MLP和DW-Conv，其中MLP将通道数缩小四倍；最后，将当前特征图与第一次平移后的特征图进行残差连接，输出通道数为96的特征图；详见公式456； Xshift＝Shiftw，hX4 Xstage1＝DWConvMLPXshift5 Xoutput＝DWConvMLPXstage1+Xshift6 4第六阶段：将二三阶段特征图上采样至相同的尺寸后进行残差连接得到X1，四五阶段特征图上采样至相同的尺寸后进行残差链接得到X2；随后将X1和X2连接起来，经过尺寸为1、2、3、6的金字塔平均池化输出通道数为64的特征图； 5第七阶段：上采样后与第一阶段输出的特征图进行跨层连接，恢复丢失细节，输出通道数为32的特征图； 6第八阶段：上采样至原始尺寸，经由1×1卷积输出最终预测结果。

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西大学，其通讯地址为：030006 山西省太原市小店区坞城路92号山西大学科技楼803；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”。