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！

龙图腾网获悉太原理工大学申请的专利基于增强型多尺度卷积聚合的医学图像分割系统及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：CN119444767B 。

龙图腾网通过国家知识产权局官网在2025-12-05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：202411383014.6，技术领域涉及：G16H30/00；该发明授权基于增强型多尺度卷积聚合的医学图像分割系统及方法是由陈景东;谢旭翔;乔致君;张兵;刘香莲设计研发完成，并于2024-09-30向国家知识产权局提交的专利申请。

本基于增强型多尺度卷积聚合的医学图像分割系统及方法在说明书摘要公布了：本发明涉及图像分割技术领域，现有的基于卷积神经网络的模型仍存在感受野有限、难以提取图像中的深层特征等局限性，在使用跳跃连接进行多尺度信息融合时，忽略了重要的特征通道信息。本发明提供一种基于增强型多尺度卷积聚合的医学图像分割系统及方法，在编码器和解码器之间利用多接受域聚合模块，减少编码和解码子网络之间的语义差距，将编码器的多尺度大核注意力模块输出的编码特征融合后，传输到解码器的多尺度大核注意模块，协同利用不同阶段的编码输出进行特征融合，提高了网络捕获边界特征的能力，实现了对目标区域更精确的分割。

本发明授权基于增强型多尺度卷积聚合的医学图像分割系统及方法在权利要求书中公布了：1.一种基于增强型多尺度卷积聚合的医学图像分割系统，其特征在于，所述医学图像分割系统的网络结构是一个具有U形结构的卷积神经网络，包括对待分割的医学图像进行编码和解码的编码器、解码器，以及作为编码器和解码器之间的转换链路嵌入医学图像分割系统的网络结构中的多接受域聚合模块，所述编码器包括深度特征保持模块和若干多尺度大核注意模块，所述解码器包括若干多尺度大核注意模块，编码器的每个模块在解码器中均对应一个多尺度大核注意模块，编码器的每个模块与所对应的解码器中的多尺度大核注意模块跳跃连接，其中： 所述编码器通过深度特征保持模块对待分割的医学图像输入深度特征保持模块并进行最大池化，利用多个多尺度大核注意模块实现不同网络深度下的多尺度特征融合，并作为多接受域聚合模块的多个输入特征； 所述解码器通过多个多尺度大核注意模块将编码器中每个模块的编码特征拼接后进行解码获取分割图像； 所述多尺度大核注意模块将大核卷积与跨通道信息交互相结合，经过1×1卷积再在通道维度将特征图拆分为两部分，拆分后的特征图的两部分经过不同操作再进行交互，增强多尺度特征提取能力和扩展接收野，从待分割的医学图像中提取深度表征特征； 所述多接受域聚合模块的输入端连接编码器，输出端连接解码器，减少编码和解码子网络之间的语义差距，将编码器的多尺度大核注意力模块输出的编码特征融合后，传输到解码器的多尺度大核注意模块，协同利用不同阶段的编码输出进行特征融合，提高了网络捕获边界特征的能力； 所述多接受域聚合模块将多个多尺度大核注意模块的输出进行特征融合如下： 对不同编码的阶段的特征图Xi应用最大池化后在通道维度上进行拼接，得到特征图S，公式表示为： 表示不同编码阶段的特征图分别应用最大池化后得到的特征图，分别为 不同编码的阶段的特征图经过跨通道分离模块分别得到六个不同的输出、输出、输出、输出、输出和输出，将六个输出进行加权融合，得到特征图，公式为： 其中，为软关注权值，公式为: 其中，表示对六个不同的输出进行全局池化后得到的全局空间信息，表示全局空间信息P对c-th通道的权重，将特征图Sc和特征图Qc相加后输出作为多接受域聚合模块的输出； 所述跨通道分离模块经过一个1×1的卷积和一个3×3的卷积扩展接受域并捕获更丰富的通道信息，得到跨通道分离模块初始特征图，将跨通道分离模块初始特征图在通道维度上分为M1和M2两个特征图； 将所述特征图M1作为所述跨通道分离模块的一个输出L1； 将所述特征图M1和所述特征图M2进行求和，再通过一个3×3卷积实现跨通道信息融合，得到所述跨通道分离模块的另一个输出L2。

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太原理工大学，其通讯地址为：030024 山西省太原市万柏林区迎泽西大街79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。