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！

龙图腾网获悉齐鲁工业大学(山东省科学院);山东省人工智能研究院申请的专利一种基于三维注意力机制的图像提取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：CN119579872B 。

龙图腾网通过国家知识产权局官网在2025-09-09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：202411695697.9，技术领域涉及：G06V10/25；该发明授权一种基于三维注意力机制的图像提取方法是由陈达;刘晓语;张炯;张丹;石新阳;曹步勇;胡迎雪设计研发完成，并于2024-11-25向国家知识产权局提交的专利申请。

本一种基于三维注意力机制的图像提取方法在说明书摘要公布了：本发明涉及医学人工智能技术领域，具体为一种基于三维注意力机制的图像提取方法，步骤如下：创建数据集，再将数据集划分为训练集和测试集；对训练集和测试集进行裁剪，再将裁剪后的图像转换为统一格式，得到预处理后的训练集和测试集；构建网络结构，并对其进行配置，将预处理后的训练集输入至网络结构进行训练，多次迭代训练过程，不断更新网络结构参数，保存训练中得到的最优权重和偏置量，完成对网络结构的训练；将保存的最优权重和偏置量、预处理后的测试集中的图像数据输入至训练好后的网络结构中，输出最终预处理后的测试集的提取结果。本发明主要用于对图像进行处理和提取，以提高图像质量和增强图像信息，更好地理解图像中的长距离依赖关系。

本发明授权一种基于三维注意力机制的图像提取方法在权利要求书中公布了：1.一种基于三维注意力机制的图像提取方法，其特征是，包括以下步骤： S1.选取现有的三维医学图像数据作为数据集，然后按比例将数据集划分为训练集和测试集； S2.对训练集和测试集进行质心裁剪，再将裁剪后的图像数据转换为统一格式，得到预处理后的训练集和测试集； S3.构建网络结构，并对网络结构进行配置，将预处理后的训练集输入至网络结构进行训练，多次迭代训练过程，不断更新网络结构参数，保存训练中得到的最优权重和偏置量，完成对网络结构的训练； 网络结构由编码器、解码器、三个MFF多特征融合模块和三个3DAEM三维注意力增强机制模块四部分组成，其中，编码器和解码器均由四个卷积块组成，编码器的四个卷积块均由两个卷积核为3，步长为1，填充为1的卷积层、InstanceNorm层、ReLU层和下采样系数为2的最大值池化层组成，解码器的四个卷积块由一个核为2的上采样块和两个卷积核大小为3，步长为2，填充为1的卷积层、InstanceNorm层和ReLU激活函数组成，构建完网络结构后再对网络结构进行配置，使用CosineAnnealLingLR学习率调整策略、Adam优化器和反向传播算法对网络结构进行优化，然后将预处理后的训练集输入至网络结构中进行训练，直至输出最终特征图结果，并保存网络结构训练过程中的权重和偏置量，然后多次迭代训练过程，不断更新网络结构的权重和偏置量，保存其中最优的权重和偏置量；其中，将预处理后的训练集中图像输入至网络结构中进行训练，训练过程主要分为两部分，编码器处理阶段和解码器处理阶段； 编码器处理阶段： （1）将预处理后的训练集中任意一张图像输入至编码器的第一个卷积块中，输出得到特征图，再将特征图输入至第一个MFF模块中得到低级特征图； （2）将低级特征图输入至编码器的第二个卷积块得到特征图，再将特征图和特征图输入至第二个MFF模块中，先对特征图进行核为2的最大池化操作，再和特征图进行卷积核为1的卷积操作得到低级特征图，的计算公式为： ， 其中，表示核为2的最大池化操作，表示卷积核为1的卷积操作，表示拼接操作； （3）将低级特征图输入至编码器第三个卷积块得到特征图，再将特征图、特征图和特征图输入至第三个MFF模块中，先对特征图进行核为4的最大值池化操作，对执行核为2的最大值池化操作，再将两者和特征图进行卷积核为1的卷积操作得到低级特征图，的计算公式为： ， 其中，表示核为2的最大值池化操作,表示核为4的最大值池化操作，表示卷积核为1的卷积操作，表示拼接操作； （4）将低级特征图输入至编码器第四个卷积块得到特征图； S4.将保存的最优权重和偏置量，以及预处理后的测试集中的图像数据输入至训练好后的网络结构中，输出最终预处理后的测试集的提取结果。

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齐鲁工业大学(山东省科学院);山东省人工智能研究院，其通讯地址为：250000 山东省济南市长清区大学路3501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”。

以上内容由龙图腾AI智能生成。