江苏师范大学李垚获国家专利权
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！
龙图腾网获悉江苏师范大学申请的专利基于注意力机制的深度学习模型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：CN115240049B 。
龙图腾网通过国家知识产权局官网在2026-03-24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：202210640395.6，技术领域涉及：G06V10/82；该发明授权基于注意力机制的深度学习模型是由李垚;余南南设计研发完成，并于2022-06-08向国家知识产权局提交的专利申请。
本基于注意力机制的深度学习模型在说明书摘要公布了：本发明公开了基于注意力机制的深度学习模型，包括数据集，数据集缩放后按比例划分为训练数据集和测试数据集；深度学习模型，由负责提取特征信息的编码器和负责恢复空间信息的解码器组成。本发明通过将卷积操作与自注意力机制相结合，同时提取局部低级特征和全局上下文特征。同时在编码器与解码器之间的跳跃连接上引入通道和空间注意力模块抑制无关信息，最大程度利用有用信息，从而提高分割精度，实现更加精确的脑血肿分割。
本发明授权基于注意力机制的深度学习模型在权利要求书中公布了：1.基于注意力机制的深度学习模型的构建方法，其特征在于，包括： 数据集，数据集缩放后按比例划分为训练数据集和测试数据集； 深度学习模型，由负责提取特征信息的编码器和负责恢复空间信息的解码器组成； 深度学习模型，具体设计如下： 2.1编码器进行四次下采样最大池化操作，由四层残差网络和自注意力网络组成，残差网络用于避免梯度消失问题，提高特征的传播率，自注意力网络位于编码器底部，通过高阶运算提取图像全域的特征关联特性，从全局角度提取血肿特征； 2.2解码器进行四次上采样双线性插值操作，由四层卷积层和最后的分类层组成，每个卷积层包括两组3*3卷积、批量归一化BatchNormalization和非线性激活函数ReLU，分类层由3*3卷积和sigmoid激活函数组成； 2.3编码器和解码器之间存在跳跃连接，编码器特征经过通道注意力模块和空间注意力模块学习各个通道和特征区域上的权重，通过该权重突出有用特征信息，抑制无关信息后与解码器前一层的上采样输出进行通道拼接以提高空间信息恢复效率。
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江苏师范大学，其通讯地址为：221116 江苏省徐州市铜山新区上海路101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。
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号
请提出您的宝贵建议，有机会获取IP积分或其他奖励