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！

龙图腾网获悉浙江大学申请的专利一种基于边缘门控机制的舌象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：CN119359751B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202411548521.0，技术领域涉及：G06T7/12；该发明授权一种基于边缘门控机制的舌象图像分割方法是由刘之涛;宋紫君;苏宏业设计研发完成，并于2024-11-01向国家知识产权局提交的专利申请。

本一种基于边缘门控机制的舌象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边缘门控机制的舌象图像分割方法。本发明针对移动设备采集的原始舌象数据，采用舌体定位与颜色校正的预处理操作。本发明针对舌体分割任务中舌体边缘提取粗糙的问题，设计了一种基于边缘门控机制的舌体分割模型，该模型是在Deeplabv3+模型基础上加入边缘分支作为改进，并设计了分割损失与边缘损失加权融合的损失函数对改进模型进行训练，从而提升了模型分割掩码的预测精度。本发明在解码器中使用了跳跃连接的方法，将通过编码器得到的特征向量与解码器的特征向量进行特征融合，并采用双层卷积与上采样机制将图像恢复至原尺寸，增强了特征捕捉能力，提高了解码器性能与分割精度。

本发明授权一种基于边缘门控机制的舌象图像分割方法在权利要求书中公布了：1.一种基于边缘门控机制的舌象图像分割方法，其特征在于，包括以下步骤： 步骤1：采集患者的伸舌图像； 步骤2：对采集的伸舌图像预处理后，获得处理后的标准舌部图像； 步骤3：将处理后的标准舌部图像输入到已训练好的基于边缘门控机制的舌体分割模型中，模型输出对应的舌体分割结果； 所述基于边缘门控机制的舌体分割模型包括嵌入SE注意力机制的ResNeXt模型、ASPP模块、解码器和边缘预测模块，其中嵌入SE注意力机制的ResNeXt模型作为特征提取的编码器，处理后的标准舌部图像作为嵌入SE注意力机制的ResNeXt模型的输入，嵌入SE注意力机制的ResNeXt模型提取获得6个不同深度下的特征向量X0、X1、X2、X3、X4、X5，第一特征向量X0、第三特征向量X2、第四特征向量X3和第六特征向量X5均输入到边缘预测模块中，第六特征向量X5与边缘预测模块的输出拼接后再输入到ASPP模块中，ASPP模块的输出作为解码器的输入； 所述边缘预测模块包括Canny算子边缘提取模块、融合层、卷积层、残差模块和门控注意力层，第一特征向量X0依次经第一卷积层和第一残差模块后再与第一门控注意力层相连，第三特征向量X2经第二卷积层后再与第一门控注意力层相连，第一门控注意力层经第二残差模块后再与第二门控注意力层相连，第四特征向量X3经第三卷积层后再与第二门控注意力层相连，第二门控注意力层经第三残差模块后再与第三门控注意力层相连，第六特征向量X5经第四卷积层后再与第三门控注意力层相连，第三门控注意力层的输出记为边缘输出，处理后的标准舌部图像还作为Canny算子边缘提取模块的输入，第三门控注意力层的输出和Canny算子边缘提取模块的输出相加后再输入到融合层中，融合层的输出作为边缘预测模块的输出； 所述门控注意力层包括批归一化层、卷积层、Relu激活层和Sigmoid激活层，每个门控注意力层的两个输入中，将对应残差模块的输出记为第一输入特征，另一个输入记为第二输入特征，进行逐元素的相加后再输入到批归一化层中，批归一化层依次经第五卷积层、第一Relu激活层、第六卷积层和第二Relu激活层后再与Sigmoid激活层相连，第二输入特征与Sigmoid激活层的输出的α倍相乘后的结果记为中间特征，中间特征与第二输入特征相加后再输入到第七卷积层中，第七卷积层的输出作为当前门控注意力层的输出； 所述解码器包含双层卷积块和上采样层，ASPP模块的输出与第四特征向量X3拼接后再输入到第一双层卷积块中，第一双层卷积块与第一上采样层相连，第一上采样层的输出与第三特征向量X2拼接后再输入到第二双层卷积块中，第二双层卷积块与第二上采样层相连，第二上采样层的输出与第一特征向量X0拼接后的结果作为解码器的输出。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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。