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！

龙图腾网获悉重庆理工大学申请的专利一种结合Transformer和U-Net的医学图像肝脏分割方法及系统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：CN115965633B 。

龙图腾网通过国家知识产权局官网在2026-02-17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：202310057570.3，技术领域涉及：G06T7/10；该发明授权一种结合Transformer和U-Net的医学图像肝脏分割方法及系统是由蒋林峰;欧家杰;詹沛东;刘瑞华设计研发完成，并于2023-01-19向国家知识产权局提交的专利申请。

本一种结合Transformer和U-Net的医学图像肝脏分割方法及系统在说明书摘要公布了：本发明具体涉及结合Transformer和U‑Net的医学图像肝脏分割方法及系统。所述方法包括：获取待分割的医学图像；将待分割的医学图像输入训练后的肝脏分割模型，输出对应的肝脏分割预测结果；其中肝脏分割模型首先通过U‑Net网络的编码器结构和Transformer结构分别提取医学图像的局部特征信息和全局特征信息；然后融合医学图像的局部特征信息和全局特征信息，并辅助编码器结构生成肝脏分割特征图像；最后通过U‑Net网络的解码器结构对肝脏分割特征图像进行特征定位和图像重建，以生成并输出对应的肝脏分割预测结果。本发明能够通过Transformer提取全局特征信息来增强U‑Net网络的编码器部分，并且能够兼顾Transformer和U‑Net网络的优势，从而能够提高医学图像肝脏分割的精确性和全面性。

本发明授权一种结合Transformer和U-Net的医学图像肝脏分割方法及系统在权利要求书中公布了：1.一种结合Transformer和U‑Net的医学图像肝脏分割方法，其特征在于，包括： S1：获取待分割的医学图像； S2：将待分割的医学图像输入训练后的肝脏分割模型，输出对应的肝脏分割预测结果； 肝脏分割模型基于Transformer和U‑Net网络构建； 肝脏分割模型首先通过U‑Net网络的编码器结构和Transformer结构分别提取医学图像的局部特征信息和全局特征信息；然后融合医学图像的局部特征信息和全局特征信息，并辅助编码器结构生成肝脏分割特征图像；最后通过U‑Net网络的解码器结构对肝脏分割特征图像进行特征定位和图像重建，以生成并输出对应的肝脏分割预测结果； 编码器结构和解码器结构分别包括用于进行局部特征提取且依次级联设置的四层编码Res‑SE‑Block和四层解码Res‑SE‑Block；Transformer结构包括用于进行全局特征提取且依次级联设置的四层Swin Transformer块；其中编码器结构和Transformer结构之间设置有用于融合局部特征信息和全局特征信息且依次级联设置的三层特征反馈增强层； 第一层编码Res‑SE‑Block和第一层Swin Transformer块的输入为肝脏分割模型输入的医学图像；第一层特征反馈增强层的输入为第一层Swin Transformer块输出的特征图和第一层编码Res‑SE‑Block下采样后输出的特征图； 第二层编码Res‑SE‑Block的输入为第一层特征反馈增强层输出的融合特征图；第二层Swin Transformer块的输入为第一层Swin Transformer块输出的特征图；第二层特征反馈增强层的输入为第二层Swin Transformer块输出的特征图和第二层编码Res‑SE‑Block下采样后输出的特征图； 第三层编码Res‑SE‑Block的输入为第二层特征反馈增强层输出的融合特征图；第三层Swin Transformer块的输入为第二层Swin Transformer块输出的特征图；第三层特征反馈增强层的输入为第三层Swin Transformer块输出的特征图和第三层编码Res‑SE‑Block下采样后输出的特征图； 第四层编码Res‑SE‑Block的输入为第三层特征反馈增强层输出的融合特征图；第四层Swin Transformer块的输入为第三层Swin Transformer块输出的特征图； 第四层解码Res‑SE‑Block的输入为第四层Swin Transformer块输出的特征图、第四层编码Res‑SE‑Block下采样后输出的特征图以及第四层编码Res‑SE‑Block输出的特征图； 第三层解码Res‑SE‑Block的输入为第四层解码Res‑SE‑Block上采样后输出的特征图和第三层编码Res‑SE‑Block输出的特征图； 第二层解码Res‑SE‑Block的输入为第三层解码Res‑SE‑Block上采样后输出的特征图和第二层编码Res‑SE‑Block输出的特征图； 第一层解码Res‑SE‑Block的输入为第二层解码Res‑SE‑Block上采样后输出的特征图和第一层编码Res‑SE‑Block输出的特征图； 第一层解码Res‑SE‑Block的输出为肝脏分割模型的输出，即肝脏分割预测结果； 特征反馈增强层通过如下步骤生成融合特征图： S201：获取对应Swin Transformer块输出的特征图和对应编码Res‑SE‑Block下采样后输出的特征图h； S202：通过最近邻算法对Swin Transformer块输出的特征图进行上采样，并通过Sigmoid激活进行卷积，生成对应的特征图g； S203：将特征图g与编码Res‑SE‑Block下采样后输出的特征图h相乘，并与特征图h相加，生成对应的中间注意力特征h·g+h； S204：通过全局平均池化层和Sigmoid激活的全连接层接收中间注意力特征h·g+h，并输出对应的权重向量f； S205：将中间注意力特征h·g+h的每个通道与权重向量f的每个元素相乘，生成对应的最终注意力掩码h·g+h×f以作为特征反馈增强层输出的融合特征图； S3：将肝脏分割模型输出的肝脏分割预测结果作为待分割医学图像的分割结果。

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理工大学，其通讯地址为：400054 重庆市巴南区李家沱红光大道69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。