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！

龙图腾网获悉西北大学申请的专利一种基于改进编码器与解码器的U-Net模型的病理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：CN119515887B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202411479362.3，技术领域涉及：G06T7/10；该发明授权一种基于改进编码器与解码器的U-Net模型的病理图像分割方法是由郝星星;蔡文品;杨若晞;海志兰;陈莉设计研发完成，并于2024-10-23向国家知识产权局提交的专利申请。

本一种基于改进编码器与解码器的U-Net模型的病理图像分割方法在说明书摘要公布了：本发明公开了一种基于改进编码器与解码器的U‑Net模型的病理图像分割方法，包括以下步骤：对数据进行预处理操作，提高模型泛化能力；对U‑Net模型编码器与解码器进行改进建立EEDU‑Net模型；使用训练集数据对模型进行训练；获得最佳模型参数，输入测试集数据并对模型的预测结果进行可视化处理。本发明将各层编码器改为多分支的形式，增加编码对不同尺度信息提取的能力。同时将经过跳跃连接后的特征图，通过通道注意力和轴向注意力的处理，消除语义上的差异，保证每个跳跃连接的有效性。使用EEDU‑Net模型提高了病理图像分割的鲁棒性和精度，展现出优于现有模型的分割效果。

本发明授权一种基于改进编码器与解码器的U-Net模型的病理图像分割方法在权利要求书中公布了：1.一种基于改进编码器与解码器的U-Net模型的病理图像分割方法，其特征在于，包括以下步骤： 步骤一：对数据进行预处理操作； 步骤二：对U-Net模型编码器与解码器进行改进建立EEDU-Net模型； 步骤三：使用训练集数据对模型进行训练，获得最佳的模型参数； 步骤四：输入测试集数据并对模型的预测结果进行可视化处理； 步骤二所述EEDU-Net模型由编码器，解码器与跳跃连接组成，编码器层次化的提取图像不同阶段的特征；解码器负责将编码后的特征图重构，通过上采样逐步恢复至原始输入大小；跳跃连接在同层级的编码器与解码器之间建立直接连接；所述编码器包括稠密多尺度提取模块DMSEM和下采样模块，解码器包括通道与轴向混合注意力模块CAHAM；所述稠密多尺度提取模块DMSEM具体分为四条支路：支路1由一个1×1卷积构成，支路2由最大池化和过1×1卷积构成，支路3为3×3的LDM与前后两个1×1卷积构成，支路4为5×5的LDM与前后两个1×1卷积构成，数据分别经过四个支路后在通道维度进行拼接；所述LDM的每层操作依次为： 1Bacthnormalization以批次为单位的特征，归一化到均值为0，方差为1的分布，减少数据分布的变化，加速网络在训练过程中得收敛； 2RectifiedLinearUnit引入非线性特征，使得网络能够学习到更复杂的模型； 3深度可分离卷积DepthwiseSeparableConvolution首先通过深度卷积对每一个输入通道进行单独的卷积操作，然后使用逐点卷积实现不同通道信息之间的线性组合； 所述通道与轴向混合注意力模块CAHAM的具体实现为： 1输入的特征图分别经过最大池化与平均池化提取两个不同空间的特征图，再通过一个由逐点卷积构成的全卷积神经网络，生成通道注意力图，然后以逐元素相加的方式将其合并，并与原始输入逐元素相乘； 2完成上述通道注意力操作后，紧接着将结果输入两条支路，其中一条支路先进行列注意力操作，后进行行注意力操作，而另一条支路与之相反； 3最后通过合并两条支路的结果并通过逐点卷积将通道数减半。

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西北大学，其通讯地址为：710069 陕西省西安市太白北路229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。