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！

龙图腾网获悉重庆师范大学;重庆理工大学;重庆医药高等专科学校附属第一医院申请的专利一种基于注意力机制与Swin Transformer的宫颈细胞分类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：CN119942214B 。

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：202510082217.X，技术领域涉及：G06V10/764；该发明授权一种基于注意力机制与Swin Transformer的宫颈细胞分类方法是由张杨;黄帅业;徐传运;李刚;胡蝶;孙艺纱;杨强;王恒;陈玮设计研发完成，并于2025-01-20向国家知识产权局提交的专利申请。

本一种基于注意力机制与Swin Transformer的宫颈细胞分类方法在说明书摘要公布了：本发明公开了一种基于注意力机制与SwinTransformer的宫颈细胞分类方法，涉及医学图像处理技术领域。本发明提出了一种基于CFA模块的CFA‑Former网络模型，通过将通道注意力和空间注意力相结合，解决了传统模型在捕获多尺度特征时的局限性，且该模型通过强化对重要信息和位置的关注，能够有效提高宫颈细胞分类任务中的准确性与鲁棒性；本发明在模型设计中，CFA模块通过两条学习路径自适应地聚焦和抑制重要特征，包含了CDA和SFA两个子模块，CDA模块能够通过轻量化的通道注意力机制，优化网络在通道维度上的信息提取；而SFA模块则通过强化的空间注意力机制，提高了模型在空间维度上的特征表达能力，尤其在应对复杂细胞图像时，展现出显著优势。

本发明授权一种基于注意力机制与Swin Transformer的宫颈细胞分类方法在权利要求书中公布了：1.一种基于注意力机制与SwinTransformer的宫颈细胞分类方法，其特征在于：至少包括以下步骤： S1：搭建基于注意力机制融合与SwinTransformer的宫颈细胞分类网络框架，整体网络结构基于SwinTransformer进行设计，并保持了SwinTransformer原有的结构特点，即通过四个阶段逐步提取图像特征，在每个阶段，CFA-Former块的数量与SwinTransformer块的数量一致，以确保特征提取过程的有效性和一致性； 所述CFA-Former模块的核心组件至少包括CFA模块和W-MSASW-MSA模块； 所述CFA模块是一种并行的注意力机制，所述CFA模块将通道注意力与空间注意力有效结合，即CDA与SFA的有效结合，从而增强了模型的特征学习能力，这种并行结构设计使得模型可以同时对通道维度和空间维度的关键性进行评估，从而避免单一注意力机制可能忽视某些重要维度的风险，通过加权融合，最终能够得到更加精准的特征表示； 所述CFA模块对于输入的三维图会生成一个相应的三维注意力图，突出重要的特征； 生成三维注意力图的过程被分解为两个轻量化的分支，每个分支采用简化的组件，从而有效减少计算量和参数消耗； 每个特征图的元素可以视为一个特征检测器，因此通道注意力和空间注意力两个分支能够明确地学习到应当“关注哪些特征”和“应该聚焦在哪些位置”，进一步优化特征提取过程； 所述CFA模块信息传输过程为： ； ； 其中，表示通道注意力与空间注意力进行融合后输出的注意力特征图，表示Sigmoid函数，表示CFA模块的输出，代表输入CFA模块的特征向量； 所述CDA内部具有一个根据输入特征图的通道维度，能够自适应选择卷积核大小的卷积操作； 由k表示当前通道与其他不同的通道之间的信息传输量，这个值是通过一个与通道数相关的非线性映射来动态决定的，从而使得卷积操作能够灵活调整，以适应不同通道之间的信息交互需求； 由于宫颈细胞图像一般输入通道为3，在经过第一阶段的LinerEmbeding后变为96，此后每个阶段通道数均翻一倍，因此通道数均为偶数，采用作为映射的主体； 所述CDA内部的整体过程如下所示： ； 其中，表示自适应平均池化，表示自适应k×k大小的卷积，表示Sigmoid函数，表示将输出扩展为与输入大小相同的形状； S2：向宫颈细胞分类网络框架中输入图像，输入的图像首先经过补丁分割模块进行分块处理，每个4×4相邻的像素被划分为一个补丁； S3：图像在通道方向进行展平操作，对于宫颈细胞图像，一般为RGB三通道图像，经过展平后，图像的尺寸会发生变化； S4：在Stage1阶段，使用线性嵌入进行处理，使用线性嵌入对每个像素的通道数据进行线性变换，将图像从原始的维度变换为新的维度； S5：在Stage2至Stage4阶段，采用补丁合并层进行下采样，以减少图像尺寸，同时保留关键信息，进一步提高特征表达能力； S6：当图像通过CFA-Former模块通过RMSLayerNorm层，进行层归一化处理，并进行全局平均池化，最终到达分类头进行分类，采用了RMSLayerNorm层来替代传统的LayerNorm层，以加快网络的收敛速度和减少计算资源的消耗。

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师范大学;重庆理工大学;重庆医药高等专科学校附属第一医院，其通讯地址为：401331 重庆市沙坪坝区大学城中路37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。