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！

龙图腾网获悉昆明理工大学申请的专利基于全局自注意力与多尺度特征融合的肝脏CT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：CN115457051B 。

龙图腾网通过国家知识产权局官网在2025-10-24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：202211064580.1，技术领域涉及：G06T7/11；该发明授权基于全局自注意力与多尺度特征融合的肝脏CT图像分割方法是由刘利军;戴舒婷;乔伟晨;黄青松设计研发完成，并于2022-08-31向国家知识产权局提交的专利申请。

本基于全局自注意力与多尺度特征融合的肝脏CT图像分割方法在说明书摘要公布了：本发明涉及基于全局自注意力与多尺度特征融合的肝脏CT图像分割方法，属于医学图像处理技术领域。本发明包括步骤：1获取腹部CT数据集，并进行预处理；2采用ResNeXt卷积神经网络提取多尺度特征，引入多尺度空间信息；3使用多尺度特征通过全局自注意力模块，得到全局自注意力融合特征；4将融合特征通过改进的卷积模组进行特征提取，最终上采样得到分割结果。该方法基于LiTS公开数据集进行验证，分割结果与真实分割的重叠区域平均Dice值达到了96.4％，比经典模型UNet高4.3％。

本发明授权基于全局自注意力与多尺度特征融合的肝脏CT图像分割方法在权利要求书中公布了：1.基于全局自注意力与多尺度特征融合的肝脏CT图像分割方法，其特征在于，所述方法的具体操作步骤如下： Step1、图像预处理：对LiTS数据集中的CT图像按照HU值范围进行处理来增加对比度，再扩充数据集； Step2、获取同一维度特征和多尺度特征：经Step1预处理操作之后，利用ResNeXt卷积神经网络提取图像特征，通过线性变换得到统一维度的卷积特征和基于该卷积特征的多尺度特征； Step3、得到全局自注意力融合特征：以Step2获得的多尺度特征，通过全局自注意力模块Non-Local得到包含全局信息的自注意力融合特征，以捕获目标特征与周围特征间的关系； Step4、将Step3得到的自注意力融合特征通过改进的卷积模块进行特征提取，凸显通道维度中重要语义特征的作用，最终上采样得到分割结果； 所述Step2的具体步骤如下： Step2.1经过图像预处理后，使用ResNeXt-101网络的前五层作为特征提取层，将每个ResNeXt块内的卷积分为32个路径，每个路径处理的中间通道维度均为4，不同路径相当于不同的特征子空间，用于提取不同的语义特征，同时不同路径卷积核学到的关系更加稀疏，降低过拟合的风险； Step2.2将ResNeXt网络结构中Layer1-4层输出结果的通道维度通过线性变换统一为64，并将特征图尺寸上采样到与Layer1保持一致；拼接这四个特征，拼接后的特征通过一个1×1卷积压缩至64后，得到多尺度特征，特征通道数与特征图大小与Layer1-4经处理后的特征维度一致； 所述Step3的具体步骤为： Step3.1腹部CT图像中不同器官之间存在着一定的联系，获取这种联系能改善肝脏器官分割效果；受非局部均值算法中计算当前位置与图像中其他位置相关性思想的启发，以Step2得到的多尺度特征出发，分别进行三次线性映射得到Key、Query、Value嵌入空间特征，线性映射采用1×1卷积实现； Step3.2计算特征Key与Query的相似度，计算相关性的函数根据非局部均值选用的Gaussian函数得到，计算公式为：其中xi是输入特征图的第i个位置，j表示所有与i可能相关的位置，将计算得到的相似度加权到Value上得到自注意力特征； Step3.3自注意力特征经过Softmax层得到自注意力权重的输出，从而将学习到的长距离依赖关系融入到输出特征中，总体的计算公式如下： 其中，Cx是Softmax标准化函数，函数g线性映射输入j位置的表示，通常采用1×1卷积实现，函数f计算输入第i个位置与第j个位置的相关性。

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昆明理工大学，其通讯地址为：650500 云南省昆明市呈贡区景明南路727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。