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！

龙图腾网获悉杭州电子科技大学申请的专利一种基于快速傅里叶变换和SKAttention机制的OCT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：CN119338840B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202411286374.4，技术领域涉及：G06T7/11；该发明授权一种基于快速傅里叶变换和SKAttention机制的OCT图像分割方法是由朱望闻;颜成钢;路荣丰;陈泉;王廷宇;温洪发设计研发完成，并于2024-09-13向国家知识产权局提交的专利申请。

本一种基于快速傅里叶变换和SKAttention机制的OCT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快速傅里叶变换和SKAttention机制的OCT图像分割方法。本发明通过在UNet网络即骨干结构初始阶段引入图像预处理模块，显著提高了OCT眼底图像水肿区域的分割精度和效率。图像预处理模块结合FFT和SKAttention机制，该模块被设计为对输入的OCT图像数据进行初步变换和特征加权处理，以强化网络对水肿特征的识别能力。此技术方案优化了特征处理流程，增强了模型对眼底病变特征的识别能力，特别是在处理复杂或低对比度的水肿区域时表现出高效性和高准确性。此外，该方法在保持高处理速度的同时，还具备良好的适应性和可扩展性，适合于大规模医疗图像处理应用。

本发明授权一种基于快速傅里叶变换和SKAttention机制的OCT图像分割方法在权利要求书中公布了：1.一种基于快速傅里叶变换和SKAttention机制的OCT图像分割方法，其特征在于，具体实现流程如下： 步骤1：数据获取及预处理； 步骤2：通过快速傅里叶变换对原始输入图像进行预处理； 步骤3：应用自适应的SKAttention对变换后的数据进行特征重标定，通过动态调整各通道的权重，增强对关键特征的响应； 步骤4：快速傅里叶逆变换； 将经过SKAttention处理的频域数据即最终的特征图通过快速傅里叶逆变换重新映 射到空间域，恢复图像的原始空间结构； 步骤5：网络编码解码处理； 步骤6：训练由图像预处理模块和骨干结构组成的OCT图像分割模型； 步骤7：将训练好的模型用于推理，即在新的眼底OCT图像上预测水肿区域； 将待分割图像通过步骤1的预处理，然后使用训练好的OCT图像分割模型进行分割，最终生成分割结果，输出预测为水肿部分的图像； 步骤3具体方法如下： 在图像通过快速傅里叶变换转换到频域中后，输入特征图X通过两个不同的卷积分 支处理，在分割阶段，两个卷积分支分别使用3x3的深度卷积和3x3的空洞卷积，再同样 通过批处理归一化以及ReLU函数处理生成特征图； 接着在融合阶段，这两个分支的输出通过元素级加和融合得到融合后的特征图，并 通过全局平均池化生成通道级统计信息，的第c个元素为特征向量再通过降维全连 接层生成紧凑特征向量： 其中，各个符号代表意义如下： H,W：代表图像的长和宽； 最后，在选择阶段，使用跨通道的软注意力来自适应地选择不同空间尺度的信息，这是 利用紧凑特征向量进行指导实现的；其中A，B∈，是定义在实数域上的矩阵，用于指 导信息的不同空间尺度的选择；a、b分别表示的软注意力向量；代表的是特征图 和的通道数，表示紧凑特征向量的维度；对于每个通道c，计算如下： 这里，和分别是矩阵A和B的第c行，而和分别是软注意力向量a和b的第c个元 素；通过这些权重对两个分支的输出进行加权融合得到最终的特征图： 为了保持特征加权的一致性和标准化，通过设计使每个通道的和之和为1； 步骤5具体放如下： 首先对逆快速傅里叶变换后的图像数据进行基本的预处理，包括归一化和去噪，以确保输入数据的质量和一致性；预处理后的图像将输入后续骨干结构，先通过一个收缩路径，该路径由四层encoder编码器结构构成，通过卷积层和池化层逐步减少空间维度，同时增加特征的深度；然后，图像通过一个由四层decoder解码器结构构成的扩展路径，其中包括上采样和卷积操作，逐渐恢复到原始图像的尺寸；在扩展路径中，通过跳跃连接，收缩路径中的特征与扩展路径中的特征相结合，以保持图像的关键信息；在网络的输出端，能够获得每个像素属于水肿区域的概率；该输出是一个与输入图像同样大小的分割图，每个像素的值代表该像素属于水肿区域的概率。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市下沙高教园区2号大街；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。