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！

龙图腾网获悉南京理工大学申请的专利一种融合注意力机制的多尺度肠道息肉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：CN116152268B 。

龙图腾网通过国家知识产权局官网在2026-05-12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：202111358244.3，技术领域涉及：G06T7/11；该发明授权一种融合注意力机制的多尺度肠道息肉分割方法是由李敏;单芳湄;王梦文设计研发完成，并于2021-11-16向国家知识产权局提交的专利申请。

本一种融合注意力机制的多尺度肠道息肉分割方法在说明书摘要公布了：本发明公开了一种融合注意力机制的多尺度肠道息肉分割方法。本发明方法的基本特征为：1、构建多尺度有效语义融合模块，提取更加丰富且有效的多尺度语义信息；2、构建一种全新的编码‑解码深度网络分割模型，提高息肉分割准确度；该方法通过提取足够的上下文信息以及不同感受野下的全局信息，并尽可能将那些对分割任务无用的特征筛选掉，克服了传统编码‑解码结构中语义信息受限且大量冗余的缺陷，对具有不同形态、不同大小息肉区域的二维肠镜图像均具有优良的分割及泛化性能。

本发明授权一种融合注意力机制的多尺度肠道息肉分割方法在权利要求书中公布了：1.一种融合注意力机制的多尺度肠道息肉分割方法，其特征在于，包括以下步骤： 第一步，将训练集中的肠镜图像输入深度网络分割模型，输入图像经过由四个相同的编码块组成的编码路径操作后得到高级编码特征图，随后特征图经过两个连续的普通卷积层处理得到解码路径的输入特征图； 第二步，特征图经过由四个相同的解码块组成的解码路径操作后得到特征图，随后特征图经过一个单独的普通卷积层处理得到与模型输入图像分辨率大小相同的模型输出预测分割标签图； 第三步，利用训练集中真实分割标签图和模型输出预测分割标签图通过损失函数计算模型损失，随后经过最优化算法迭代训练网络使模型损失不断降低，直至深度网络分割模型达到最佳分割效果； 所述第一步中，将训练集中的肠镜图像输入深度网络分割模型，输入图像经过由四个相同的编码块组成的编码路径操作后得到高级编码特征图，随后特征图经过两个连续的普通卷积层处理得到解码路径的输入特征图；每个编码块都由两个连续的普通卷积层和一个最大池化层顺序组成，分别得到中第二个普通卷积层的输出特征图用于后续跳跃连接操作； 所述第二步中，特征图经过由四个相同的解码块组成的解码路径操作后得到特征图，随后特征图经过一个单独的普通卷积层处理得到与模型输入图像分辨率大小相同的模型输出预测分割标签图；每个解码块都由转置卷积层、普通卷积层、多尺度有效语义融合模块、普通卷积层顺序组成；解码块中第一个普通卷积层的输入特征图是前一层转置卷积层的输出特征图与在通道维度上的拼接； 所述多尺度有效语义融合模块的操作步骤如下： 1多尺度有效语义融合模块输入特征图经过四个具有不同池化比例的并行平均池化层分别处理后得到四级金字塔特征图； 2每一级金字塔特征图经过一个普通卷积层处理，将其通道数目减少到模块输入特征图通道数目的，随后经过双线性插值上采样恢复到模块输入特征图分辨率大小，在通道维度上进行拼接，得到特征图，其中、、分别为特征图的高、宽和通道数； 3特征图进一步进行特征重定向处理，特征图首先经过一个全局平局池化层，全局平局池化层的池化公式表示为： 其中，表示全局平均池化后得到的特征图，c表示通道下标，分别表示第c通道上特征图的高和宽大小；随后，特征图经过第一个全连接层将通道数量压缩到，表示缩放参数，在ReLU激活函数激活后进入第二个全连接层将通道数恢复至，得到特征图；最后，利用sigmoid激活函数将特征图内的值限定在范围内以作为系数乘到模块原始输入特征图的各个通道上，表示为： 其中，S表示经过sigmoid激活后得到的系数，表示逐通道相乘，O表示经过特征重定向处理后得到的特征图； 4将特征图与模块原始输入特征图在通道维度上进行拼接，再次进行与上述相同的特征重定向处理操作，最终得到多尺度有效语义融合模块的输出特征图，用于作为后续普通卷积层的输入。

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南京理工大学，其通讯地址为：210094 江苏省南京市孝陵卫200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。