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！

龙图腾网获悉杭州电子科技大学申请的专利一种基于特征交叉变压器的裂隙灯图像质量评估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：CN116883367B 。

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：202310875426.0，技术领域涉及：G06T7/00；该发明授权一种基于特征交叉变压器的裂隙灯图像质量评估方法是由王艺臻;王亚奇;贾刚勇;饶欢乐;柯怡然;徐佩芳设计研发完成，并于2023-07-17向国家知识产权局提交的专利申请。

本一种基于特征交叉变压器的裂隙灯图像质量评估方法在说明书摘要公布了：本发明公开了一种基于特征交叉变压器的裂隙灯图像质量评估方法。包括：对采集的裂隙灯图像进行病灶质量、整体清晰度、亮度、疾病种类四个维度的标注，并采集两批数据。然后通过数据增强算法添加人工失真，模拟真实失真的场景从而扩增数据集的样本量。接着将所有的样本缩放到同等的分辨率，并划分数据集。再使用残差网络和增强后的数据集进行训练得到预训练模型。将预训练模型作为初始模型权重，再将第二批数据作为训练样本输入到融合多尺度特征提取和特征交叉变压器的质量评估网络进行训练。本发明很好得解决小样本造成的数据量少、特征多的问题，使得计算机对眼部裂隙灯图像数据的图像质量评估结果的准确性得到了较大的提升。

本发明授权一种基于特征交叉变压器的裂隙灯图像质量评估方法在权利要求书中公布了：1.基于特征交叉变压器的裂隙灯图像质量评估方法，其特征在于，该方法包括如下步骤： 1对采集的裂隙灯图像的图像质量进行病灶质量、整体清晰度、亮度、疾病种类四个维度的标注，并采集两批数据； 其中第一批数据只对病灶质量进行标注，并且标注均为优；第二批数据对四个维度都进行标注； 2对步骤1中的第一批数据进行数据扩增；再对扩增完的数据依据人工失真对图像质量的影响程度进行新的标签标注，作为预训练模型的训练集xA； 3将步骤1和步骤2所有的样本缩放到同等的分辨率，再将第二批次的数据划分训练集、验证集和测试集； 4使用残差网络Fθ和训练集xA进行训练得到模型M； 5采用步骤4中得到的预训练模型M作为初始模型权重，将第二批数据作为训练样本输入到构建好的质量评估网络进行训练，得到裂隙灯图像质量评估模型； 6将待测裂隙灯图像作为输入，输入至裂隙灯图像质量评估模型中，即可得到待预测图像的质量评估结果； 在步骤5中，所述质量评估网络包括多尺度特征提取模块，四个自注意力模块和四个特征交叉变压器模块，每个自注意力模块对应一个特征交叉变压器模块； 多尺度特征提取模块：将主干网络ResNet50的特征提取部分分成四阶段，每一阶段都将特征图缩放为该阶段输入的12，把每一阶段输出的特征图相连，从而完成特征提取并保留了空间信息； 自注意力模块：将特征提取模块提取到的特征通过四个并行的注意力模块分别学习病灶质量特征、整体清晰度特征、亮度特征和疾病种类特征对应的空间注意力； 特征交叉变压器模块，利用特征交叉注意力计算病灶质量特征和其他维度特征的相关性，实现通过其他维度特诊辅助病灶质量特征的学习； 所述特征交叉变压器模块执行以下操作： 将与整体清晰度特征、亮度特征和疾病种类特征三个维度特征对应的三个注意力模块的输出分别乘以权重作为与上述三个维度特征中的每个维度特征对应的特征交叉变压器模块的K输入和V输入； 将与病灶质量特征对应的自注意力模块的输出乘以权重分别作为整体清晰度特征、亮度特征和疾病种类特征对应的特征交叉变压器的Q输入； 计算病灶质量特征与疾病种类特征、整体清晰度特征和亮度特征之间的相似性； 将与整体清晰度特征、亮度特征和疾病种类特征对应的三个特征交叉变压器输出的三个特征向量进行特征融合，融合结果乘以权重作为病灶质量特征对应的特征交叉变压器的Q输入； 将与病灶质量特征对应的注意力模块的输出乘以权重作为与病灶质量特征对应的特征交叉变压器模块的K输入和V输入，计算特征交叉注意力，通过与病灶质量特征对应的特征交叉变压器模块得到预测的质量特征向量。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市下沙高教园区2号大街；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。