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！

龙图腾网获悉淮阴工学院申请的专利一种基于改进的Unet网络的皮肤病图像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：CN116912270B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202311062572.8，技术领域涉及：G06T7/11；该发明授权一种基于改进的Unet网络的皮肤病图像分割方法及系统是由王浩然;于坤;高宋宇衡;李强强;管乾钧;高市洪设计研发完成，并于2023-08-23向国家知识产权局提交的专利申请。

本一种基于改进的Unet网络的皮肤病图像分割方法及系统在说明书摘要公布了：本发明公开了一种基于改进的Unet网络的皮肤病图像分割方法及系统，预先有关皮肤病的医学图像，构建基于改进的Unet网络的图像分割模型，包括编码器、解码器、网络特征聚合机制以及边缘增强注意力机制；所述编码器由ResNext作为主干特征提取网络，SwinTransformer作为辅助特征提取网络；对图像分割模型进行训练，生成标签图；再将训练集图像的对应标签图和生成模型预测的标签图进行差别计算得到loss，采用优化器进行优化，保存结果最好的一次权值，生成权值文件；图像分割模型加载保存的权值文件，将需要分割的图片输入进模型中实现皮肤病图像的分割。本发明拥有更高的分割精度，提高对于皮肤病分割的准确度，可以更准确的辅助医生进行诊断。

本发明授权一种基于改进的Unet网络的皮肤病图像分割方法及系统在权利要求书中公布了：1.一种基于改进的Unet网络的皮肤病图像分割方法，其特征在于，包括以下步骤： 1预先有关皮肤病的医学图像，并对图像中待分割区域进行标记，将其作为标签，形成数据集； 2构建基于改进的Unet网络的图像分割模型；所述改进的Unet网络包括编码器、解码器、网络特征聚合机制以及边缘增强注意力机制；所述编码器由ResNext作为主干特征提取网络，SwinTransformer作为辅助特征提取网络； 3对图像分割模型进行训练，将训练集的图像输入模型中，生成模型预测的标签图，再将训练集图像的对应标签图和生成模型预测的标签图进行差别计算得到loss，采用优化器进行优化，保存结果最好的一次权值，生成权值文件； 4图像分割模型加载保存的权值文件，将需要分割的图片输入进模型中实现皮肤病图像的分割； 步骤2所述网络特征聚合机制包括：SwinTransformer输入的特征图大小为H×W×C，在分别经过全局最大池化和全局平均池化之后，输出结果为两个1×1×C的特征图T1，T2，将它们分别输入进前置多层感知机，使通道数大小C变为C16；再将得到两个特征图相加并输入进后置多层感知机中，将通道数大小C16变为C，并且用Sigmoid激活函数进行激活，之后与ResNext输入的特征图进行相乘操作得到out1；接着对SwinTransformer输入的特征图在长、宽以及通道的维度上计算全局平均池化得到avg_out1,avg_out2,avg_out3，对SwinTransformer输入的特征图在长、宽以及通道的维度上计算全局最大池化得到max_out1,max_out2,max_out3；将avg_out3和max_out3在通道的维度上进行拼接并且进行一次7×7的卷积操作；将所得结果分别直接使用Sigmoid激活函数激活得到spatial_out1，取反使用Sigmoid激活函数激活得到spatial_out2；将两个spatial_out1相加减去spatial_out2得到的结果用Sigmoid函数激活加上spatial_out1，再乘以out1得到新的out1；将max_out1和max_out2相乘，avg_out1和avg_out2相乘，所得结果相加并用Sigmoid函数激活乘以SwinTransformer输入的特征图得到out2；将out1，out2，SwinTransformer输入的特征图，ResNext输入的特征图相加得到最终结果。

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淮阴工学院，其通讯地址为：223000 江苏省淮安市经济技术开发区枚乘东路1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。