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！

龙图腾网获悉浙江工商大学;浙江省人民医院申请的专利一种基于ROI注意力的医学图像质量盲评价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：CN117132532B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202310836988.4，技术领域涉及：G06T7/00；该发明授权一种基于ROI注意力的医学图像质量盲评价方法是由金剑秋;陈晓明;杨柏林;孟宇;龚向阳设计研发完成，并于2023-07-10向国家知识产权局提交的专利申请。

本一种基于ROI注意力的医学图像质量盲评价方法在说明书摘要公布了：本发明公开了一种基于ROI注意力的医学图像质量盲评价方法。本发明中的深度学习网络模型包括第一网络单元和第二网络单元；所述的第一网络单元包括ResNet模块和AttentionUNet模块；ResNet模块的输出连接所述AttentionUNet模块；所述的第二网络单元包括SiPNet模块和RegNet模块，SiPNet模块的输出连接所述RegNet模块。本发明采用有监督的深度学习方法，在U‑Net网络结构的基础上引入双注意力机制，将特征图的能量主要集中在ROI区域，从而有效地解决了非ROI区域可能会大幅拉低总体图像质量评分的问题。

本发明授权一种基于ROI注意力的医学图像质量盲评价方法在权利要求书中公布了：1.一种用于医学图像质量盲评价的深度学习网络模型，其特征在于：包括第一网络单元和第二网络单元； 所述的第一网络单元包括ResNet模块和AttentionUNet模块；ResNet模块的输出连接所述AttentionUNet模块； 所述的第二网络单元包括SiPNet模块和RegNet模块，SiPNet模块的输出连接所述RegNet模块； 所述第一网络单元的输出有三路，每一路通过注意力操作将注意力图作用到各尺度特征图上；所述各尺度特征图输入至第二网络单元来获得医学图像质量评分； 所述AttentionUNet模块中的编码器有三层，每一层由两个卷积操作串联而成； 所述AttentionUNet模块中的解码器有四层，其中前三层中的每一层先经由卷积操作P1，然后与对应的注意力操作A的输出连接一起；再执行卷积操作J1；最后一层执行卷积操作J3，输出注意力图； 所述解码器中的前三层中的卷积操作P1和卷积核J1，其卷积核的个数均为该层输入特征图通道数的一半；每层输出的特征图与所述注意力图一起经由注意力操作M输出至各个SiPNet模块； 所述的SiPNet模块用于将第一网络单元输出的特征图糅合成大小为1×1×64的特征向量，该模块的输入特征图首先经过一个kenel大小1×1，stride为1的卷积操作，保持特征图的空间分辨率不变，通道数变为64；接着，根据输入的特征图大小的不同，经过不同的R轮stride为2的卷积操作，以保证在MaxPooling前其特征图大小位于8×8×64至15×15×64之间； 所述的RegNet模块用于将三个SiPNet模块输出的大小为1×1×64的特征向量拟合成质量评分；一方面每个64维的特征向量都分别输入给全连接层FC1至FC3，输出Qi，表示不同尺度下的质量评价；另一方面，三个64维的特征向量连接在一起构成了一个192维的特征向量，接着经由两层全连接层FC4和FC5得到整幅图像最终的质量评价Q。

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工商大学;浙江省人民医院，其通讯地址为：310018 浙江省杭州市下沙高教园区学正街18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。