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！

龙图腾网获悉浙江工业大学申请的专利基于多尺度特征融合和两阶段联合学习的医学小目标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：CN117876677B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202410010376.4，技术领域涉及：G06V10/26；该发明授权基于多尺度特征融合和两阶段联合学习的医学小目标分割方法及系统是由徐新黎;王天浩;龙海霞;吴福理;管秋;胡海根设计研发完成，并于2024-01-03向国家知识产权局提交的专利申请。

本基于多尺度特征融合和两阶段联合学习的医学小目标分割方法及系统在说明书摘要公布了：一种基于多尺度特征融合和两阶段联合学习的医学小目标分割方法，结合两个阶段的不同目的和各自优势，对粗细两个分割网络分别采用不同的多尺度融合策略，并引入空间转换模块将损失梯度从细分割网络有效地传递到粗分割网络，最后采用两阶段联合优化的形式，进行粗细两个分割网络的参数调整。以及提供一种基于多尺度特征融合和两阶段联合学习的医学小目标分割系统。本发明较好地解决了医学图像中小目标所面临的像素信息稀少和特征不明显等问题，获得了优秀的医学小目标分割性能。

本发明授权基于多尺度特征融合和两阶段联合学习的医学小目标分割方法及系统在权利要求书中公布了：1.一种基于多尺度特征融合和两阶段联合学习的医学小目标分割方法，其特征在于：所述方法包括如下步骤： 步骤一：收集并预处理待分割的医学图像，根据预设比例将有目标掩膜标注的医学图像划分为训练集D1和验证集D2，并将D1中的各图像分别按{0.75，1.0，1.25}的多尺度策略进行调整； 步骤二：使用训练集D1中的各图像X训练粗分割网络，骨干网络为Res2Net； 步骤三：用转换模块来关联粗分割阶段和细分割阶段，并通过裁剪收缩输入的原图X； 步骤四：使用裁剪后的图像XF训练细分割网络，骨干网络为Res2Net； 步骤五：使用联合优化的形式，将粗分割网络和细分割网络同时进行参数调整直至最大迭代步数，保存验证集D2上性能最佳的粗分割网络参数、细分割网络参数和空间转换参数； 步骤六：将没有目标掩膜标注的医学图像X输入训练好的粗分割网络得到粗分割的输出概率图Pc； 步骤七：通过转换与裁剪模块，将Pc转换为对原图X的每个像素点的空间权重Xc，并以Pc为参考图像r执行裁剪操作，得到裁剪后的图像XF； 步骤八：将XF送入训练好的细分割网络，得到小目标的分割结果； 所述步骤三的过程如下： 3.1转换模块将粗分割预测概率Pc转换为对原图X的每个像素点的空间权重： Xc＝X⊙gPc；η2 其中⊙为逐元素的乘法，gPc；η为保持输入输出同尺寸的卷积操作，输出每个点的空间权重是由其周围小邻域内的粗分割预测概率Pc决定的，其参数为η； 3.2训练初期用金标准做为参考图像r，后期用粗分割概率图Pc作为参考图像r； 3.3将参考图像r二值化为图像Z，找到图像Z中的所有前景像素，并计算包含这些像素的最小2D边界框； 3.4将边界框的尺寸在上下左右四个方向上都增加K个像素，得到放大的矩形框，并用其裁剪图像Xc，如果放大的矩形框超出图像Xc的边界，就用0填充缺失的值，得到裁剪后的图像记为XF。

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浙江工业大学，其通讯地址为：310014 浙江省杭州市下城区朝晖六区潮王路18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。