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！

龙图腾网获悉重庆邮电大学申请的专利一种基于改进的尺度融合脑肿瘤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：CN119027429B 。

龙图腾网通过国家知识产权局官网在2026-01-30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：202410899326.6，技术领域涉及：G06T7/10；该发明授权一种基于改进的尺度融合脑肿瘤分割方法是由周丽芳;王亚;李伟生设计研发完成，并于2024-07-05向国家知识产权局提交的专利申请。

本一种基于改进的尺度融合脑肿瘤分割方法在说明书摘要公布了：本发明请求保护一种基于改进的尺度融合脑肿瘤分割方法，旨在通过聚合编码器层内和层间的尺度信息，改进尺度特征融合，实现准确的脑肿瘤图像给分割，属于计算机视觉领域。所述方法包括以下步骤：步骤1.本发明提出了一种全局局部特征混合器，该模块通过并行捕获局部细节特征和全局上下文信息，实现全局‑局部尺度的信息混合，以解决脑肿瘤位置不确定性问题。步骤2.本发明设计了一个多尺度扩张初始模块，该模块能有效捕获多尺度的形状特征，旨在提高网络适应脑肿瘤不同形状的能力。步骤3.本发明设计了一个多尺度特征聚合模块，该模块能有效聚合来自编码器不同层级的多尺度特征，有助于缓解脑肿瘤大小不确定性问题。

本发明授权一种基于改进的尺度融合脑肿瘤分割方法在权利要求书中公布了：1.一种基于改进的尺度融合脑肿瘤图像分割方法，其特征在于，包括以下步骤： 将包含肿瘤病变的4张多模态MR脑图像输入到脑肿瘤图像分割网络中进行脑肿瘤图像分割，勾画出脑肿瘤的三个嵌套病变子区域：肿瘤周围水肿区域ET、整个肿瘤区域WT和肿瘤核心区域TC； 其中，构建全局局部特征混合器GLFM，通过并行捕获局部细节特征和全局上下文信息，实现全局-局部尺度的信息混合，所述GLFM包括空间混编Transformer、输入依赖动态卷积、特征融合增强器； 其中，构建多尺度扩张初始模块MSDI，通过不同扩张率的扩张卷积、Inception的特有结构以及多尺度通道注意力模块MS-CAM，实现多尺度形变特征的有效捕获，所述MSDI包括扩张卷积+多尺度通道注意力； 其中，构建多尺度特征聚合模块MFSA，将多级多分辨率特征集成到远程依赖建模中，实现多尺度全局感知能力，所述MFSA包括下采样、通道注意力、卷积块+空间注意力、规则线性注意力； 所述将包含肿瘤病变的4张多模态MR脑图像输入到脑肿瘤图像分割网络中进行脑肿瘤图像分割，勾画出脑肿瘤的三个嵌套病变子区域ET、WT和TC，具体为： 将训练图像输入到脑肿瘤图像分割网络，脑肿瘤图像分割网络中包括4个GLFM，其中第一个GLFM，第二个GLFM，所述MFSA，第三个GLFM，第四个GLFM依次连接； 脑肿瘤图像分割网络以3DU-Net结构作为基础网络结构，对输入图像编码提取特征，得到各层特征，，，，前三层特征通过多尺度扩张初始模块MSDI，第四层特征通过多尺度特征聚合模块MFSA，之后与对应解码器进行特征拼接用于恢复下采样丢失的细节信息，解码器通过渐进式上采样和卷积操作逐步恢复特征映射图到原始输入图像的大小，从而实现端到端的脑肿瘤图像分割； 所述构建全局局部特征混合器GLFM，通过并行捕获局部细节特征和全局上下文信息，实现局部-全局尺度的信息混合，具体为： A、输入特征x首先沿通道维度将其均匀划分为两个子特征映射，得到相应的特征映射{x1,x2}； B、并行地对特征映射x1,x2进行全局-局部特征建模，得到全局特征fg和局部 特征fl； C、将全局特征和局部特征进行融合，得到融合后的混合特征Y，再经过特征融合增强器TFE，得到最终的混合特征； 所述构建多尺度扩张初始模块MSDI，通过不同扩张率的扩张卷积、Inception的特有结构以及多尺度通道注意力模块MS-CAM，实现多尺度形变特征的有效捕获，具体为： A1、以编码器前三层特征y作为多尺度特征输入，分别经过四层卷积操作，前两层分别是不同扩张率的扩张卷积，后两层分别是1x1x1卷积和带有pool操作的1x1x1卷积，将前两层卷积得到的特征图进行拼接，得到y1,将后两层卷积得到的特征图进行拼接，得到y2； B1、将y1、y2送入到MS-CAM模块，得到最终的特征图y最终； 所述构建多尺度特征聚合模块MFSA，将多级多分辨率特征集成到远程依赖建模中，实现多尺度全局感知能力，具体为： A2、以编码器每层的输出特征x1,x2,x3,x4作为输入，通过不同步长的跨步卷积操作将它们下采样到同一分辨率大小，然后沿通道方向进行特征堆叠即Concatenation操作，再对拼接好的特征进行通道自适应，即使用通道注意力SE为每个通道分配不同的权重，从而得到融合后的层间多尺度特征； B2、对步骤A2获得的融合特征进行局部建模，首先经过两个连续的卷积块CB，得到局部特征映射，所述CB包括卷积+归一化+非线性激活；然后通过空间注意SA生成局部性约束权重； C2、对步骤A2获得的融合特征进行全局建模。

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邮电大学，其通讯地址为：400065 重庆市南岸区南山街道崇文路2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。