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！

龙图腾网获悉合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室);安徽理工大学申请的专利一种基于卷积Transformer的多模态医学图像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：CN116188420B 。

龙图腾网通过国家知识产权局官网在2026-03-20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：202310144618.4，技术领域涉及：G06T7/00；该发明授权一种基于卷积Transformer的多模态医学图像分割方法是由方贤进;李想;杨高明;华楷文;张海永;赵婉婉;程颖;薛明均设计研发完成，并于2023-02-21向国家知识产权局提交的专利申请。

本一种基于卷积Transformer的多模态医学图像分割方法在说明书摘要公布了：本发明公开了一种基于卷积Transformer的多模态医学图像分割方法，属于医学图像分割技术领域。本发明通过使用多模态数据，使得医学图像可以得到充分利用；通过使用卷积Transformer模块，与传统基于自注意力机制的Transformer模块相比，卷积Transformer模块获得神经网络在获取全局特征的同时，减少了运算量；使用特征金字塔后融合方式，使得最后的分割结果保留卷积的高层次的语义信息的同时包含低层次的细节信息；通过DiceLoss和FocalLoss共同约束模型迭代方向，解决DiceLoss再反向传播存在不利的影响，使得训练更加稳定。

本发明授权一种基于卷积Transformer的多模态医学图像分割方法在权利要求书中公布了：1.一种基于卷积Transformer的多模态医学图像分割方法，其特征在于，包括以下步骤： S1：数据集划分 获取多模态医学图像数据集，随机划分训练集和测试集； S2：图像预处理 读取到数据集中的原始图像后，对原始图像进行预处理； S3：构建模型 构建基于卷积Transformer的多模态医学图像分割模型； S4：模型训练 使用组合损失函数计算模型损失，对步骤S3中构建的模型进行训练，获取最优模型； S5：图像分割 将待分割图像输入步骤S4得到的最优模型中，输出分割结果； 在所述步骤S3中，基于卷积Transformer的多模态医学图像分割模型采用U-Net网络的编码器-解码器对称结构，包括编码器、解码器、特征融合模块，其中，编码器、解码器均为五层，每一层均为一个DoubleBlock模块，编码器、解码器的对应层之间跳跃连接，融合模块与解码器中各个DoubleBlock模块分别连接，特征融合模块使用特征金字塔的特征后融合方式； 所述DoubleBlock模块采用双路并行结构，包括稠密卷积模块、ConvTFBlock模块，稠密卷积模块和ConvTFBlock模块在分别获取进入DoubleBlock模块的张量后，分别进行卷积操作和获取注意力机制权重操作，最后ConvTFBlock模块与稠密卷积模块的张量进行拼接再通过一个1×1的卷积进行通道数还原。

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合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室);安徽理工大学，其通讯地址为：230088 安徽省合肥市高新区望江西路5089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。