大连大学樊万姝获国家专利权
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!
龙图腾网获悉大连大学申请的专利基于Transformer的特征补充黑色素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:CN117252887B 。
龙图腾网通过国家知识产权局官网在2025-09-19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:202311193447.0,技术领域涉及:G06T7/11;该发明授权基于Transformer的特征补充黑色素瘤图像分割方法是由樊万姝;刘文飞;李翔宇设计研发完成,并于2023-09-15向国家知识产权局提交的专利申请。
本基于Transformer的特征补充黑色素瘤图像分割方法在说明书摘要公布了:本发明公开了基于Transformer的特征补充黑色素瘤图像分割方法,包括:使用ResNet网络提取到黑色素瘤图像的不同尺度特征图laye0~layer4;对所述特征图layer0~layer4进行位置嵌入,然后将layer1~layer4送入分割模型的Transformer中,得到不同尺度的特征图m1~m4;将特征图m1~m4依次经过分割模型的重构特征模块进行处理;将编码器端的浅层特征layer0与解码器特征送入分割模型的特征金字塔模块中汇合,进行特征横向连接;然后对分割模型进行训练;将需要分割的黑色素瘤图像送入训练完的分割模型中,得到相应的分割结果图及对应指标。该方法有效地提取了全局视觉信息,保留了浅层信息建立编码器与解码器之间的关联,弥补了下采样和上采样过程中造成的空间信息损失问题。
本发明授权基于Transformer的特征补充黑色素瘤图像分割方法在权利要求书中公布了:1.基于Transformer的特征补充黑色素瘤图像分割方法,其特征在于,包括: 使用ResNet网络作为分割模型的骨干网络,提取到黑色素瘤图像的不同尺度特征图laye0~layer4; 对所述特征图layer0~layer4进行位置嵌入,然后将layer1~layer4送入分割模型的Transformer中,动态地获取每个位置与其他位置之间的相对重要性并进行整合,得到不同尺度的特征图m1~m4; 将特征图m1~m4依次经过分割模型的重构特征模块进行处理; 将编码器端的浅层特征layer0与解码器特征送入分割模型的特征金字塔模块中汇合,进行特征横向连接;然后对分割模型进行训练; 将需要分割的黑色素瘤图像送入训练完的分割模型中,得到相应的分割结果图及对应指标。
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大连大学,其通讯地址为:116622 辽宁省大连市经济技术开发区学府大街10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。
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。
 
     
     
     
                         
                         
					
 
                 开放平台
                        开放平台
                         担保交易
                        担保交易
                         惠及多方
                        惠及多方
                         会员特惠
                        会员特惠
                         
                 专属平台
                        专属平台
                         适合多方
                        适合多方
                         数据共享
                        数据共享
                         功能齐全
                        功能齐全
                         
                             
                             皖公网安备 34010402703815号
皖公网安备 34010402703815号
请提出您的宝贵建议,有机会获取IP积分或其他奖励