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！

龙图腾网获悉长沙理工大学申请的专利一种基于多级特征提取的超声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：CN119693383B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202411478488.9，技术领域涉及：G06T7/11；该发明授权一种基于多级特征提取的超声图像分割方法及系统是由胡建文;樊新亚;何靓设计研发完成，并于2024-10-22向国家知识产权局提交的专利申请。

本一种基于多级特征提取的超声图像分割方法及系统在说明书摘要公布了：本发明公开了一种基于多级特征提取的超声图像分割方法及系统，本发明包括利用超声图像分割网络模型将输入的超声图像进行超声图像分割，超声图像分割网络模型包括双分支编码器、多尺度特征融合模块、多尺度特征注意力模块和解码器，双分支编码器用于提取不同尺度的小细节特征和大尺度上下文特征以及全局特征；多尺度特征融合模块融合特征后输入解码器，多尺度特征注意力模块对CNN编码器每一层特征增强后输入解码器，经过解码器解码得到分割预测图。本发明旨在解决现有多数基于深度学习的超声图像分割方法只注重捕捉局部细节和全局相关性而忽略了大尺度的上下文信息的问题，提高输入图像的信息捕获效率，提升网络的分割性能。

本发明授权一种基于多级特征提取的超声图像分割方法及系统在权利要求书中公布了：1.一种基于多级特征提取的超声图像分割方法，其特征在于，包括利用超声图像分割网络模型将输入的超声图像进行超声图像分割得到分割预测图，所述超声图像分割网络模型包括双分支编码器、多尺度特征融合模块、多尺度特征注意力模块和解码器，所述双分支编码器包括CNN编码器和Transformer编码器，所述利用超声图像分割网络将输入的超声图像进行超声图像分割得到分割预测图包括：将输入的超声图像通过CNN编码器提取不同尺度的小细节特征和大尺度上下文特征并利用自适应的加权权重对不同尺度的小细节特征和大尺度上下文特征进行自适应的选择和增强；将输入的超声图像通过Transformer编码器提取全局特征；通过多尺度特征融合模块将CNN编码器和Transformer编码器提取的多级特征融合；利用多尺度特征注意力模块对CNN编码器每一层输出的浅层特征进行增强后输出给解码器，通过解码器将融合后的多级特征以及多尺度特征注意力模块增强后的浅层特征层层解码得到最终的分割预测图； 所述CNN编码器包括N个尺度的编码分支，第1个尺度的编码分支包括1×1卷积层和大小核注意力模块，其余的N-1个尺度的编码分支均包括下采样模块、通道维拼接模块和和大小核注意力模块，第1个尺度的编码分支中1×1卷积层的输出作为第2个尺度的编码分支中下采样模块的输入，其余下采样模块的输入为前一尺度的编码分支中通道维拼接模块的输出，所有通道维拼接模块的输出还作为相同尺度的编码分支中的大小核注意力模块的输入，前N-1个尺度的编码分支中大小核注意力模块的输出作为下一尺度的编码分支中通道维拼接模块的一路输入，第N个尺度的编码分支中的大小核注意力模块输出作为多尺度特征融合模块CNN编码器端的输入，所述解码器包括级联连接的N-1级解码模块，多尺度特征融合模块作为第1级解码模块的输入，每一级解码模块的另一路输入为对应尺度编码分支中的大小核注意力模块的输出经过多尺度注意力模块提取得到的输出特征，且由第N-1级解码模块解码输出最终的分割预测图； 所述大小核注意力模块针对输入特征图的处理包括：将大小核注意力模块的输入特征图通过一个大尺度特征选择模块提取大尺度上下文特征，并将大小核注意力模块的输入特征图通过一个小核卷积模块提取小细节特征，然后将大尺度上下文特征和小细节特征逐元素相加；然后将逐元素相加得到的特征通过特征交互模块得到充分融合的小细节和大尺度上下文输出数据，所述特征交互模块分别将逐元素相加得到的特征进行最大池化、平均池化后再通道维度拼接，再经过卷积核大小为7×7的卷积层、Sigmoid激活函数激活后与逐元素相加得到的特征进行矩阵乘法运算，最后将矩阵乘法运算得到的特征与小细节特征逐元素相加，再经过3×3卷积层、空洞率d为2的3×3空洞卷积层以及1×1卷积层得到充分融合的小细节和大尺度上下文输出数据。

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长沙理工大学，其通讯地址为：410114 湖南省长沙市天心区万家丽南路二段960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。