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！

龙图腾网获悉吉林大学第一医院申请的专利一种多尺度语义匹配的膀胱肿瘤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：CN114842030B 。

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：202210507923.0，技术领域涉及：G06V10/26；该发明授权一种多尺度语义匹配的膀胱肿瘤图像分割方法是由王伟刚;马智勇;谷一鸣;郑宗宇;王颂设计研发完成，并于2022-05-11向国家知识产权局提交的专利申请。

本一种多尺度语义匹配的膀胱肿瘤图像分割方法在说明书摘要公布了：一种多尺度语义匹配的膀胱肿瘤图像分割方法，属于医学图像处理和计算机视觉技术领域，本发明将浅层特征通过语义匹配模块进行语义增强，减轻了深层特征与浅层特征两者之间语义差别太大导致的语义鸿沟，使融合的特征中包含更多的上下文信息，保留更多有用信息，减少直接融合带来的噪声。注意力池化使得样本少、边界部分的特征在下采样时得到充分的保留，基于权重的交叉熵损失也为分类较为困难的不确定区域增加了更多的注意力，从而实现了抑制无关区域的响应、保留更多有益信息，获得了更优异的膀胱肿瘤图像分割效果。

本发明授权一种多尺度语义匹配的膀胱肿瘤图像分割方法在权利要求书中公布了：1.一种多尺度语义匹配的膀胱肿瘤图像分割方法，其特征是：包括以下步骤，且以下步骤顺次进行， 步骤一、采用语义匹配模块，在深层特征与浅层特征融合前使用语义匹配模块对浅层特征进行增强，对内窥镜采集的图像中病灶边缘的浅层信息特征增强，扩大浅层特征接受域，减少浅层特征与深层特征之间的语义差异，获得上下文信息，将图像中病灶边缘的浅层信息保留； 浅层特征的语义匹配模块为 f1＝FF0 F0为编码阶段的浅层特征，F·操作通过3*3卷积实现通道压缩，将通道数变为原先的14，除去一部分冗余特征减少计算量；f1为第一步获得通道压缩后的浅层特征，f11为浅层特征通过语义匹配模块增强后的特征，fj p·操作是3*3的空洞卷积，j为其膨胀率；D·表示对膨胀卷积后的特征进行3*3卷积和ReLU非线性激活操作，F’表示对不同膨胀率的特征进行聚合，包含concat、BatchNormalization和ReLU操作； 步骤二、通过注意力池化对图像子区域内的每个位置根据其特征响应的大小分配权重，将输入特征图划分为1个以上矩形区域，获取子区域内的最值，在每个区间分配相同的权重，使特征响应在池化过程中同等级保留，特征响应占比少、较为重要的特征得到更大的权重，获得降噪后的特征图； 步骤三、通过深度神经网络获得热力图，通过反向注意力将分类图中特征响应在0.5的位置进行损失权重计算， U＝0.5-absn-0.5 Lseg＝-U*[yt*logyp+1-yt*log1-yp] 其中U为损失的注意力，n为输入的特征响应，Lseg为带权重的交叉熵损失，yt为标签值，yp为预测值； 损失计算分配权重，使特征图中分类不明确区域内的损失更大，通过反向传播进行参数优化后这分类不明确区域得到更多关注，获得高分类准确性特征图； 所述注意力池化将输入特征图划分为若干矩形区域，找出子区域内的最值，然后将子区域内的特征响应划分为4个区间，判断区域内4个位置都分属哪个区间，再根据区间的个数分配每个位置相应的权重，得到最终的注意力池化结果，其结果如下： 其中，ykij表示第k个特征图中矩形区域Rij的注意力池化输出值，xkpq表示Rij中位于p，q处的元素，wkpq表示Rij中位于p，q处元素在池化时占的权重；wkpq计算如下： wkpq＝1i*m 其中，权重的总量为1，i表示Rij区域特征分布共有几个区间，m表示xkpq的那个区间有几个特征；每个区间分配了相同的权重，从而使特征在池化过程中得到了同等程度的保留，避免了最大、最小池化造成池化结果偏向于占比多的特征响应。

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吉林大学第一医院，其通讯地址为：130021 吉林省长春市新民大街71号吉大一院泌尿外二科；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”。