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！

龙图腾网获悉杭州师范大学申请的专利一种采用深监督策略的多尺度特征融合腺体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：CN115457057B 。

龙图腾网通过国家知识产权局官网在2025-12-30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：202211175506.7，技术领域涉及：G06T7/11；该发明授权一种采用深监督策略的多尺度特征融合腺体分割方法是由孙军梅;张鑫;李秀梅设计研发完成，并于2022-09-26向国家知识产权局提交的专利申请。

本一种采用深监督策略的多尺度特征融合腺体分割方法在说明书摘要公布了：本发明公开一种采用深监督策略的多尺度特征融合腺体分割方法。本发明所提出的网络采用编码器‑解码器网络结构，在特征提取与解析的相邻卷积部分添加了残差连接，并且在编码层到解码层的拼接路径上使用了坐标并行注意力机制及密集空洞卷积块，抑制病理图像中的噪声，引导网络关注图像的显著区域并且可以获取多尺度图像特征。同时采用深监督策略，将各解码层的输出转换为预测图，采用基于像素分类、区域、边缘分割的组合损失函数，提前与标签计算损失，在网络的浅层就加以监督约束，最终将各尺度不一的预测图进行融合，互补缺失值，令网络达到更好的分割效果，有效提高了对腺体分割的准确率。

本发明授权一种采用深监督策略的多尺度特征融合腺体分割方法在权利要求书中公布了：1.一种采用深监督策略的多尺度特征融合腺体分割方法，其特征在于该方法包括以下步骤： 步骤一、获取腺体的数字病理图像； 步骤二、对腺体的数字病理图像和标签预处理，作为训练数据； 步骤三、神经网络搭建和训练； 3-1、搭建采用深监督策略的多尺度特征融合腺体分割网络 所述采用深监督策略的多尺度特征融合腺体分割网络包括编码器-解码器网络结构； 所述编码器包括5个逐级串联的残差卷积块ResConvBlockL1-L5；所述解码器包括4个逐级串联的残差卷积块ResConvBlockL6-L9； 残差卷积块ResConvBlockL1-L9的结构相同，均是将编码、解码中的卷积操作进行残差处理，将各层的输入部分进行跳跃连接到各层的输出部分； 其中： 所述残差卷积块ResConvBlockL1-L3分别通过坐标并行注意力模块CPA连接到残差卷积块ResConvBlockL9-L7，使用坐标并行注意力对当前编码层输出的特征图进行处理，得到赋予注意力权重的新特征图； 所述残差卷积块ResConvBlockL4使用密集空洞卷积块DAC连接到残差卷积块ResConvBlockL6，对当前编码层输出的特征图进行多尺度特征提取； 所述残差卷积块ResConvBlockL5对当前编码层输出的特征图进行残差处理，连接到残差卷积块ResConvBlockL6； 所述残差卷积块ResConvBlockL6-L9的四个输出均转换为四张分割预测图、、、，将四张分割预测图、、、进行融合、互补缺失值得到分割预测图；并使用组合损失函数对分割预测图、、、、进行监督约束，实现对模型参数进行反向传播，完成更新模型参数； 3-2、模型训练 将步骤二预处理后图像数据输入到步骤3-1搭建的采用深监督策略的多尺度特征融合腺体分割网络中进行训练；通过组合损失函数计算出各分割预测图与标签的损失值；通过损失值反向传播，网络迭代更新参数不断减小损失值，直到达到预设的迭代次数； 步骤四、使用步骤三所搭建并训练完成的采用深监督策略的多尺度特征融合腺体分割网络，实现腺体分割。

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杭州师范大学，其通讯地址为：311121 浙江省杭州市余杭区余杭塘路2318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。