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！

龙图腾网获悉重庆邮电大学申请的专利一种基于SAM的可提示多脏器影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：CN119559391B 。

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：202411596480.2，技术领域涉及：G06V10/26；该发明授权一种基于SAM的可提示多脏器影像分割方法是由方阳;肖惠钟;秦红星;饶雪锋;王昱杰设计研发完成，并于2024-11-11向国家知识产权局提交的专利申请。

本一种基于SAM的可提示多脏器影像分割方法在说明书摘要公布了：本发明属于计算机视觉领域，具体涉及一种基于SAM的可提示多脏器影像分割方法，包括：获取待处理的医学影像和感兴趣区域特定提示，并对其进行预处理，得到相应的浅层图像块、浅层嵌入向量和提示向量；将浅层图像块和浅层嵌入向量送入双分支多阶段特征编码器并处理，得到混合特征；采用特征解码器对混合特征与提示向量进行处理，得到相应预测结果；计算模型的总损失，并根据损失值调整模型参数，最终得到训练好的可提示的脏器影像分割模型。本发明提高了医学图像分割结果的准确性。

本发明授权一种基于SAM的可提示多脏器影像分割方法在权利要求书中公布了：1.一种基于SAM的可提示多脏器影像分割方法，其特征在于，包括：将待分割的医学图像输入训练好的医学图像分割模型，得到分割的目标区域图；其中，所述医学图像分割模型包括：基于卷积神经网络的浅层特征提取器、基于视觉转换器的浅层特征提取器、双分支多阶段特征编码器和特征解码器； 所述基于卷积神经网络的浅层特征提取器用于对待分割的医学图像进行预处理得到浅层图像块； 所述基于视觉转换器的浅层特征提取器用于对待分割的医学图像进行预处理得到浅层嵌入向量； 所述双分支多阶段特征编码器用于将浅层图像块和浅层嵌入向量进行特征融合得到混合特征； 所述双分支多阶段特征编码器包括：N个级联的单阶段双分支特征提取器；每个单阶段双分支特征提取器包括：基于卷积神经网络的特征提取支路、基于视觉转换器的特征提取支路和自适应特征融合器； 在基于卷积神经网络的特征提取支路中，输入浅层图像块被输入细节提取卷积层中依次经过大小为1×1、3×3、1×1的卷积层，充分提取输入浅层图像块中的局部特征及边界信息，随后经过重分配卷积模块，重分配卷积模块包括一个3×3的卷积层和一个反卷积层，将输入特征图重新映射到大小为16×16的空间中得到第一中间图像特征；将第一中间图像特征和输入的输入浅层图像块进行特征相加得到第二中间图像特征； 在基于视觉转换器的特征提取支路中，输入浅层嵌入向量会经过视觉转换器的自注意力层进行线性投影处理，得到特征的Q、K、V向量；然后执行视觉转换器的自注意力运算，提取图像的全局信息，得到注意力特征向量；再将注意力特征向量输入微调模块，分别从通道维度和空间维度进行特征提取得到混合微调嵌入特征，将混合微调嵌入特征和输入的输入浅层嵌入向量进行特征相加得到第一中间嵌入特征；将第一中间嵌入特征输入多层感知机，逐层学习向量的不同抽象层次得到第二中间嵌入特征；将第一中间嵌入特征和第二中间嵌入特征进行特征相加得到第三中间嵌入特征； 在自适应特征融合器中将第二中间图像特征和第三中间嵌入特征进行特征融合得到下一个单阶段双分支特征提取器的输入浅层图像块和输入浅层嵌入向量： 其中，表示第个单阶段双分支特征提取器的输入浅层图像块，表示第个单阶段双分支特征提取器的输入浅层嵌入向量；当时，和表示输入双分支多阶段特征编码器的浅层图像块和浅层嵌入向量； 将最后一个单阶段双分支特征提取器输出的浅层图像块和浅层嵌入向量进行特征相加得到混合特征； 所述分别从通道维度和空间维度进行特征提取得到混合微调嵌入特征包括：将注意力特征向量经过平均池化层，然后对通道维度进行权重提取，具体过程如下： 其中表示经过通道维度处理的特征图，表示注意力特征向量，表示通道维度的权重；表示平均池化层，表示线性层；通过获取每个通道的权重信息，模型会判别出哪个通道的信息更加重要； 将经过通道维度处理的特征图进行空间维度的特征提取，首先经过一个4×4的卷积压缩空间维度，随后经过一个反卷积，将空间维度进行恢复得到混合微调嵌入特征； 所述特征解码器用于根据目标区域的提示向量和混合特征进行解码得到分割的目标区域图。

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重庆邮电大学，其通讯地址为：400065 重庆市南岸区南山街道崇文路2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。