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！

龙图腾网获悉中国计量大学申请的专利一种基于双分支特征渐进式融合网络的息肉图像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：CN119360031B 。

龙图腾网通过国家知识产权局官网在2025-07-08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：202411919763.6，技术领域涉及：G06V10/26；该发明授权一种基于双分支特征渐进式融合网络的息肉图像分割方法是由闫天旭;章东平;李铮;陈梁宇;马道滨;卜玉真设计研发完成，并于2024-12-25向国家知识产权局提交的专利申请。

本一种基于双分支特征渐进式融合网络的息肉图像分割方法在说明书摘要公布了：本发明属于图像处理技术领域，公开了一种基于双分支特征渐进式融合网络的息肉图像分割方法，该方法构建基于特征和边界信息提取的双分支网络进行渐进式融合训练，主要包括基于点卷积视觉变换和逆向感知信息层的双分支主干网络、错位融合模块、错位单层融合模块、感知信息融合模块和多级残差解码模块，利用训练后的最佳模型对息肉图像进行分割，并对结果进行评估。本发明方法通过双分支结构有效提取边界信息和层级特征，采用渐进融合方式保留并提炼全局语义信息，克服了传统算法在息肉边界特征利用过程中的局限性，并在训练过程中采用边界差异联合损失优化模型训练过程，实现对息肉区域的高精度识别与分割。

本发明授权一种基于双分支特征渐进式融合网络的息肉图像分割方法在权利要求书中公布了：1.一种基于双分支特征渐进式融合网络的息肉图像分割方法，其特征在于，包括如下步骤： 步骤1：收集结肠镜息肉图像和息肉掩码标签数据集，将数据集划分为训练集和测试集； 步骤2：构建基于双分支特征渐进式融合网络的息肉图像分割模型； 所述步骤2提出的双分支特征渐进式融合网络用于执行如下步骤： 步骤2.1：采用PVTv2主干网络作为多级特征提取分支，从原始输入图像中提取四阶段多级特征T＝{T1,T2,T3,T4}； 步骤2.2：使用单线门控机制对原始输入图像进行特征加权提取，进行初步特征过滤； 步骤2.3：利用边界信息感知分支，通过层次特征增强和级联融合策略从步骤2.2获取的特征中提取出高保真度的边界信息，构建息肉边界分割掩码，提取边界特征信息； 步骤2.4：利用错位融合模块对步骤2.1中的相邻层级特征进行逐对融合，生成新的综合特征表示，同时利用错位单层融合模块对最底层特征T4进行提取，借助通道和空间注意力融合机制提炼并增强高级语义特征信息，从而获取新的四阶段多级特征F＝{F1,F2,F3,F4}； 步骤2.5：从步骤2.3提取的边界特征信息中进一步挖掘有效语义信息，通过多层次级联感知信息融合模块，将挖掘的有效语义信息与多级特征F进行渐进式全局融合，获得边界聚合感知特征； 所述步骤2.5所提出的感知信息融合模块以层级特征Fi和边界感知特征Exj作为输入，通过多层级级联方式将层级特征与边界感知特征进行全局融合，感知信息融合模块首先利用通道注意操作降低边界感知特征中的冗余和噪声，采用双分支并行结构，以不同顺序对两个特征进行拼接得到特征和从而形成两个特征组合分支，在两个分支中分别使用3×3和5×5两个不同尺度的卷积操作，并采用全局平均池化层和残差连接进一步增强融合特征得到和最后元素相加获得感知特征FPij具体表达方法如下： 式中GAP表示全局平均池化层，ca表示通道注意力，Conv1表示1×1卷积操作，Conv3表示3×4卷积操作，Conv5表示5×5卷积操作； 步骤2.6：借助多级残差解码模块跨级融合多级特征F和边界特征信息，每级融合所得特征经过1×1卷积降维后在训练过程中参与深度监督； 所述步骤2.6中提出的多级残差解码模块包括如下步骤： 步骤2.6.1：多级残差解码模块通过级联方式，将层级感知信息融合模块的输出FPi2，边界特征Ex3和上一级多级残差解码模块的输出特征作为输入，将不同层级间的特征以及边界信息特征进行全局融合，最终得到融合特征Dk，k＝1,2,3,4； 步骤2.6.2：在多级残差解码模块中，首先对FPk-12和Dk+1，k＝2,3进行逐元素相加操作，以得到一个新的融合特征，随后将该融合特征与两个原始特征进行拼接，从而形成一个包含三个特征的联合特征表示从而增强特征的表达能力，具体表达方法如下： 步骤2.6.3：将增强后的特征输入到两个级联的残差卷积模块中，使用两级残差连接的方式提高特征的语义表达能力，具体表达方法如下： 当k＝1时，最顶层感知信息融合模块以上一级多级残差解码模块的输出特征D2和边界信息感知分支的输出特征Ex3作为输入；当k＝4时，最底层感知信息融合模块以底层感知信息融合模块的输出特征FP32和FP42作为输入； 步骤3：对步骤1得到的训练数据进行数据增强，输入双分支特征渐进式融合网络训练模型； 步骤4：利用训练后得到的最佳模型对测试集中的结肠镜图像进行测试，得到测试后的息肉分割结果，并对模型的分割结果进行评估。

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中国计量大学，其通讯地址为：310018 浙江省杭州市钱塘新区白杨街道学源街258号中国计量大学仰仪北楼428；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”。