買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜南昌大學(xué)第一附屬醫(yī)院申請(qǐng)的專利一種基于改進(jìn)YOLOv8的結(jié)腸息肉目標(biāo)檢測(cè)方法及系統(tǒng)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN119131369B 。

龍圖騰網(wǎng)通過國家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-04-04發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202411603802.1，技術(shù)領(lǐng)域涉及：G06V10/25；該發(fā)明授權(quán)一種基于改進(jìn)YOLOv8的結(jié)腸息肉目標(biāo)檢測(cè)方法及系統(tǒng)是由藍(lán)桂蓮;廖旺娣;龍順華設(shè)計(jì)研發(fā)完成，并于2024-11-12向國家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種基于改進(jìn)YOLOv8的結(jié)腸息肉目標(biāo)檢測(cè)方法及系統(tǒng)在說明書摘要公布了：本申請(qǐng)涉及醫(yī)療檢測(cè)技術(shù)領(lǐng)域，具體公開了一種基于改進(jìn)YOLOv8的結(jié)腸息肉目標(biāo)檢測(cè)方法及系統(tǒng)，方法包括獲取結(jié)腸息肉的圖像數(shù)據(jù)集，對(duì)圖像數(shù)據(jù)集進(jìn)行預(yù)處理，并將預(yù)處理后的圖像數(shù)據(jù)集劃分為訓(xùn)練集、驗(yàn)證集及測(cè)試集；搭建改進(jìn)的檢測(cè)模型，其中，包括在基礎(chǔ)模型的網(wǎng)絡(luò)結(jié)構(gòu)部分的C2f模塊中嵌入第一注意力機(jī)制模塊，以及在另一網(wǎng)絡(luò)結(jié)構(gòu)部分的C2f模塊中嵌入第二注意力機(jī)制模塊，向改進(jìn)后的模型輸入訓(xùn)練集進(jìn)行迭代訓(xùn)練，以及基于驗(yàn)證集對(duì)訓(xùn)練后的模型進(jìn)行性能評(píng)估，得到優(yōu)化后的結(jié)腸息肉目標(biāo)檢查模型；向結(jié)腸息肉目標(biāo)檢查模型輸入測(cè)試集得到結(jié)腸息肉目標(biāo)檢查結(jié)果，方法提高了在小目標(biāo)檢測(cè)及邊界模糊的結(jié)腸息肉目標(biāo)的檢測(cè)精度。

本發(fā)明授權(quán)一種基于改進(jìn)YOLOv8的結(jié)腸息肉目標(biāo)檢測(cè)方法及系統(tǒng)在權(quán)利要求書中公布了：1.一種基于改進(jìn)YOLOv8的結(jié)腸息肉目標(biāo)檢測(cè)方法，其特征在于，包括：獲取結(jié)腸息肉的圖像數(shù)據(jù)集，對(duì)所述圖像數(shù)據(jù)集進(jìn)行預(yù)處理，并將預(yù)處理后的圖像數(shù)據(jù)集劃分為訓(xùn)練集、驗(yàn)證集及測(cè)試集；搭建改進(jìn)的YOLOv8模型，其中，包括在YOLOv8基礎(chǔ)模型的Backbone部分的第二C2f與第三C2f模塊中嵌入第一注意力機(jī)制模塊，以及在Neck部分的第二C2f與第三C2f模塊中嵌入第二注意力機(jī)制模塊，其中，所述第一注意力機(jī)制模塊為SimAM模塊，所述第二注意力機(jī)制模塊為EffectiveSE模塊，所述第一注意力機(jī)制模塊數(shù)據(jù)處理過程包括：對(duì)輸入特征圖通過卷積操作進(jìn)行特征變換，生成通道數(shù)為兩倍于原始輸入特征圖的輸出特征圖；對(duì)所述輸出特征圖分別沿通道維度進(jìn)行切分并通過chunk操作切分為兩部分特征圖，所述兩部分特征圖用于作為后續(xù)特征融合的基礎(chǔ)，其中，所述兩部分特征圖包括第一部分特征圖及第二部分特征圖，所述第一部分特征圖與所述第二部分特征圖的特征通道數(shù)量相同，所述第一部分特征圖用于保留基礎(chǔ)特征，所述第二部分特征圖用于作為后續(xù)特征融合增強(qiáng)；對(duì)其中一部分特征圖進(jìn)行計(jì)算得到對(duì)應(yīng)的特征權(quán)重，基于所述特征權(quán)重增強(qiáng)對(duì)應(yīng)特征圖的局部特征表達(dá)，其中，對(duì)所述第二部分特征圖的每一特征圖計(jì)算與每個(gè)通道的均值之間的差值，并對(duì)該差值平方得到平方差特征圖；對(duì)所述平方差特征圖歸一化處理以生成注意力圖，所述注意力圖用于表征特征圖中每個(gè)位置的特征權(quán)重，其中，所述歸一化處理的計(jì)算表達(dá)式為： 式中，表示特征圖在第位置的值，表示該通道的均值,n為常數(shù)，為學(xué)習(xí)參數(shù)；將所述注意力圖與所述第二部分特征圖進(jìn)行逐元素相乘，得到重加權(quán)特征圖，其中，所述逐元素相乘計(jì)算表達(dá)式為：其中，，表示特征圖在第位置的值，表示特征圖在第位置的歸一化的值；將增強(qiáng)后的特征圖與對(duì)應(yīng)通道數(shù)一致的輸入特征圖疊加，以保留初始特征并增強(qiáng)特征圖的細(xì)節(jié)和邊界表達(dá)能力；向改進(jìn)后的YOLOv8模型輸入所述訓(xùn)練集進(jìn)行迭代訓(xùn)練，以及基于所述驗(yàn)證集對(duì)訓(xùn)練后的模型進(jìn)行性能評(píng)估，得到優(yōu)化后的結(jié)腸息肉目標(biāo)檢查模型；向所述結(jié)腸息肉目標(biāo)檢查模型輸入所述測(cè)試集，得到對(duì)應(yīng)的結(jié)腸息肉目標(biāo)檢查結(jié)果。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人南昌大學(xué)第一附屬醫(yī)院，其通訊地址為：330000 江西省南昌市東湖區(qū)永外正街17號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。