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！

龙图腾网获悉南昌航空大学申请的专利一种基于CNN和ViT混合架构的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：CN120107607B 。

龙图腾网通过国家知识产权局官网在2025-08-19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：202510593299.4，技术领域涉及：G06V10/26；该发明授权一种基于CNN和ViT混合架构的医学图像分割方法及系统是由张桂梅;马尚可;曾涛;徐可设计研发完成，并于2025-05-09向国家知识产权局提交的专利申请。

本一种基于CNN和ViT混合架构的医学图像分割方法及系统在说明书摘要公布了：本发明具体公开了一种基于CNN和ViT混合架构的医学图像分割方法及系统，涉及医学图像处理技术领域。该方法包括：S1、获取多个种类的医学图像数据集并进行预处理，按比例划分为训练集、验证集与测试集；S2、构建基于CNN和ViT混合架构的分割模型，分割模型以U‑Net网络为基础框架，包括编码器、解码器和边缘优化模块；S3、基于划分的训练数据集进行分割模型训练；S4、计算医学图像分割模型的损失函数，使用Adam优化器更新参数，并在训练过程中保存最优模型权重；S5、使用训练好的分割模型对测试集数据进行测试。该方法有效缓解CNN感受野受限和ViT计算成本昂贵的问题，提升了病灶区域的分割精度。

本发明授权一种基于CNN和ViT混合架构的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CNN和ViT混合架构的医学图像分割方法，其特征在于，步骤如下： 步骤S1、获取多个种类的医学图像数据集，对原始数据进行预处理，生成预处理图像；将处理完的数据按比例划分为训练集、验证集与测试集； 步骤S2、构建基于CNN和ViT混合架构的分割模型，所述分割模型以U-Net网络为基础框架，包括编码器、解码器和边缘优化模块； 步骤S3、基于划分的训练数据集进行分割模型训练； 步骤S4、计算医学图像分割模型的损失函数，使用Adam优化器更新参数，并在训练过程中保存最优模型权重； 步骤S5、使用训练好的分割模型对测试集数据进行测试； 在步骤S2中，所述编码器包括四层编码层，每层包括多尺度特征提取模块和语义增强模块；所述解码器包括四层解码层，每层同样包括多尺度特征提取模块和语义增强模块；位于同一层的编码层和解码层之间采用跳跃连接，在瓶颈层处引入频域信息；所述多尺度特征提取模块对输入图像进行多尺度的特征语义信息提取，所述语义增强模块增强不同语义信息之间的相关性；最后一个解码层输出经上采样得到粗分割结果，再通过边缘不确定引导模块进行细化，得出最终输出预测结果； 编码器阶段，将输入的特征图通过多尺度特征提取模块和语义增强模块进行下采样处理后输入至下一层编码层，经特征图的逐层下采样，空间分辨率逐层减小，通道数逐层增大，编码器阶段的下采样公式如下： ； ； ； ； 其中，为3×3卷积操作，为语义增强模块，为多尺度特征提取模块，为第一层编码层的输出，为第二层编码层的输出，为第三层编码层的输出，为第四层编码层的输出； 在瓶颈层处引入额外的频域特征，采用小波变换WT将输入分解为低频和高频分量，并在深度卷积提取特征后，通过逆小波变换IWT进行重构，公式如下： ； 其中，为逆小波变换后的输出结果，为经过大小为k×k的卷积核后的权重向量； 解码器阶段，每一层解码层的输入为上一层解码层的输出特征图经上采样处理结果与同一层编码层的输出特征图采用元素点求和进行特征融合，经特征图的逐层上采样，空间分辨率逐层恢复，通道数逐层减小，最终分割模型生成粗分割结果； 所述边缘不确定引导模块优化和重塑粗分割结果中边界模糊区域的不确定性像素，具体是通过结合浅层特征、不确定映射和局部特征匹配生成细化掩码，对粗分割结果进行优化，得出最终的预测分割结果； 所述浅层特征是第一层编码层的输出； 所述不确定映射根据粗分割结果的概率图计算得出，公式如下： ； 其中，为不确定映射，取值范围为；、分别表示像素的最大概率值和最小概率值，为指数函数计算； 所述局部特征是不确定映射经加权局部平均生成，公式如下： ； ； 其中，为局部特征，表示归一化因子，是防止分母为零的小值，为像素点，为细化后的像素点，为该像素属于目标类别的概率，为浅层特征，为像素的邻域区域； 通过结合浅层特征、不确定映射和局部特征匹配生成细化掩码，计算公式如下： ； ； 其中，为在像素处的置信度分数，为置信模块； 对粗分割结果进行优化，得出最终的预测分割结果，公式如下： ； 其中，为预测分割结果； 所述置信模块包括3×3卷积、Relu激活函数和残差连接；其中，在主分支上应用3×3卷积进行特征提取，在残差分支上同样应用3×3卷积进行特征提取，最后将主分支输出和残差分支输出逐元素相加；在进行卷积操作前应用Relu激活函数。

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南昌航空大学，其通讯地址为：330063 江西省南昌市新建区丰和南大道696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”。