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！

龙图腾网获悉吉林省前卫医院申请的专利一种基于多层次提示学习的鼻窦图像自动识别与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：CN120259225B 。

龙图腾网通过国家知识产权局官网在2026-04-07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：202510327969.8，技术领域涉及：G06T7/00；该发明授权一种基于多层次提示学习的鼻窦图像自动识别与分割方法是由郭志强;鞠善德;刘潇潇;郭雨;王艳艳;王权利;王永芳设计研发完成，并于2025-03-19向国家知识产权局提交的专利申请。

本一种基于多层次提示学习的鼻窦图像自动识别与分割方法在说明书摘要公布了：本发明公开了一种基于多层次提示学习的鼻窦图像自动识别与分割方法，涉及计算机视觉和生物信息工程的技术领域。该方法包括以下步骤：获取鼻窦的多层次视觉特征；基于多层次提示学习构建多视图提示学习模型，利用多视图提示学习模型获取原始鼻窦图像的上下文提示、混合多模态提示和标签提示，以获取鼻窦的多视角提示；构建鼻窦分割网络，并利用鼻窦的多层次视觉特征和鼻窦的多视角提示获取鼻窦图像自动识别与分割结果。本发明能够解决存在缺乏医学先验知识和足够语义的问题，避免了在优化过程中语义空间不断调整，并减少了任务无关的跨模态概念的干扰，进而提升了鼻窦图像自动识别与分割结果的准确性。

本发明授权一种基于多层次提示学习的鼻窦图像自动识别与分割方法在权利要求书中公布了：1.一种基于多层次提示学习的鼻窦图像自动识别与分割方法，其特征在于，包括以下步骤： S1、构建多模态特征提取模型，利用多模态特征提取模型提取原始鼻窦图像的全局级视觉特征和区域级视觉特征，以获取鼻窦的多层次视觉特征，多模态特征提取模型包括全局级视觉特征分支、区域级视觉特征分支、以及同时与全局级视觉特征分支输出端和区域级视觉特征分支输出端连接的多层次特征聚合层，其中： 全局级视觉特征分支使用预训练的ViT作为编码器；全局级视觉特征分支将输入的原始鼻窦图像分割为不重叠的图像块，并产生图像块嵌入和分类嵌入，以提取原始鼻窦图像的全局级视觉特征，表示为： 其中：为原始鼻窦图像的全局级视觉特征，为特殊的令牌的分类嵌入，为第1个图像块嵌入，为第2个图像块嵌入，为第个图像块嵌入，为图像块的数量，为形状为的二维数组，为图像块嵌入的维数； 区域级视觉特征分支使用预训练的Faster-RCNN工具包；区域级视觉特征分支根据原始鼻窦图像的置信度提取出目标对象，使用对象嵌入对目标对象进行编码，并将编码后的目标对象转换至匹配全局级视觉特征的维度，以提取原始鼻窦图像的区域级视觉特征，表示为： 其中：为原始鼻窦图像中按照置信度进行降序排列的第个对象对应的目标对象嵌入，，为第一维度转换矩阵，为第二维度转换矩阵，为原始鼻窦图像中按照置信度进行降序排列的第个对象，为第二维度偏移量，为第一维度偏移量，为形状为的一维数组，为形状为的二维数组，为图像块嵌入的维数，为原始鼻窦图像的区域级视觉特征，为原始鼻窦图像中按照置信度进行降序排列的第1个对象对应的目标对象嵌入，为原始鼻窦图像中按照置信度进行降序排列的第2个对象对应的目标对象嵌入，为原始鼻窦图像中按照置信度进行降序排列的第个对象对应的目标对象嵌入，为超参数，具体表示高置信度的对象个数； 多层次特征聚合层的数据处理过程表示为： 其中：为鼻窦的多层次视觉特征，为平衡全局级视觉特征和区域级视觉特征的系数，为原始鼻窦图像的全局级视觉特征，为原始鼻窦图像的区域级视觉特征，为形状为的二维数组，为图像块的数量，为超参数，具体表示高置信度的对象个数，为图像块嵌入的维数； S2、基于多层次提示学习构建多视图提示学习模型，利用多视图提示学习模型获取原始鼻窦图像的上下文提示、混合多模态提示和标签提示，以获取鼻窦的多视角提示； S3、构建鼻窦分割网络，基于鼻窦分割网络，并利用步骤S1中鼻窦的多层次视觉特征和步骤S2中鼻窦的多视角提示获取鼻窦图像自动识别与分割结果。

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吉林省前卫医院，其通讯地址为：130012 吉林省长春市前进大街1445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。