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！

龙图腾网获悉浙江工业大学申请的专利一种基于深度监督和逐步学习的肠道息肉检测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：CN115331024B 。

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：202211007876.X，技术领域涉及：G06V10/44；该发明授权一种基于深度监督和逐步学习的肠道息肉检测方法是由郑建炜;严亦东;全玥芊;邵安昊;潘翔设计研发完成，并于2022-08-22向国家知识产权局提交的专利申请。

本一种基于深度监督和逐步学习的肠道息肉检测方法在说明书摘要公布了：本发明公开了一种基于深度监督和逐步学习的肠道息肉检测方法，利用PVT_V2对肠镜拍摄图像进行多尺度特征提取；将提取到的多尺度特征输入细节增强模块，输出细节增强后的特征；将细节增强后的特征输入指导融合模块，使低层特征在高层特征的指导下与高层特征进行融合；将最高层的特征输入多分支解码器模块，得到多尺度信息融合解码后的特征；将细节增强后的特征与前一个多尺度解码器的输出结果输入多尺度解码器，逐步学习得到每一层多尺度解码器的输出特征；将多尺度解码器的输出特征通过一个一层卷积层，得到检测结果。本发明在多尺度解码器中继续突出多尺度的细节信息，实现了对肠道息肉的精准定位和准确检测，并具有良好的泛化能力。

本发明授权一种基于深度监督和逐步学习的肠道息肉检测方法在权利要求书中公布了：1.一种基于深度监督和逐步学习的肠道息肉检测方法，其特征在于，所述基于深度监督和逐步学习的肠道息肉检测方法，包括： 输入待检测的352×352×3的肠道息肉图像，使用PVT_V2对肠镜拍摄图像进行特征提取，提取四个尺度特征，四个尺度分别为88×88×64、44×44×128、22×22×320和11×11×512； 将提取到的四个尺度的特征输入细节增强模块，输出细节增强并压缩通道数为64后的第一至第四增强特征； 将细节增强后的第一、二、三个增强特征与第二、三、四个增强特征成对输入指导融合模块，输出融合后的第一至第三融合特征； 将第一至第三融合特征和第四增强特征分别输入第一至第四层多分支解码器，第一至第四层各个多分支解码器依次连接，后一层多分支解码器的输出同时作为其前一层多分枝解码器的输入，得到多分支解码器解码后的第一至第四解码特征； 将第一至第四解码特征分别通过一个3×3的卷积，得到四个通道数为1的检测结果，以第一解码特征对应的检测结果作为最终检测结果； 其中，所述细节增强模块，执行如下操作： S21、将提取得到的任一尺度特征fi o通过一层1×1卷积，使其压缩到64个通道并保持原有空间尺度，去除检测任务中冗余的通道信息，输出尺度为Hi×Wi×64，Hi、Wi分别为特征fi o的高度和宽度； S22、将S21的结果分别通过1×1，3×3，5×5，7×7的4个卷积核，得到捕获了不同尺度信息的四个特征尺度均为Hi×Wi×64； S23、将S22的结果在通道维度上进行拼接，得到尺度为Hi×Wi×256的融合特征fi decat； S24、将获得的特征fi decat通过两层3×3卷积，融合捕获了不同尺度信息的特征，生成增强特征fi de，其尺度为Hi×Wi×64； 所述指导融合模块，执行如下操作： S31、对于提取到的四个增强特征将其以的对应关系输入指导融合模块； S32、将用双线性插值的方式进行上采样，得到与fi de的空间维度相同的特征 S33、将上采样后的特征通过空间注意处理，得到注意力权重smapi+1表示，计算公式如下： 其中，SA·为空间注意力； S34、令特征fi de和smapi+1进行元素乘法，突出显著区域的特征，计算公式如下： 其中，为元素乘法； S35、将fi de与fi sa进行残差连接，使之保留低层特征的信息，提高训练稳定性，计算公式如下： fl gf＝fi sa+fi de； S36、将fl gf与在通道维度上拼接融合，得到尺度为Hi×Wi×128的结果fi gf； S37、将获得的特征fi gf通过一层3×3卷积，融合捕获不同尺度信息的特征，输出融合特征fi gfout，其尺度为Hi×Wi×64。

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浙江工业大学，其通讯地址为：310014 浙江省杭州市下城区潮王路18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”。