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！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜江西師范大學(xué)申請的專利基于殘差注意力與多尺度特征聚合的視網(wǎng)膜圖像分割方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN119067990B 。

龍圖騰網(wǎng)通過國家知識產(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?zhí)?專利號為：202411131167.1，技術(shù)領(lǐng)域涉及：G06T7/11；該發(fā)明授權(quán)基于殘差注意力與多尺度特征聚合的視網(wǎng)膜圖像分割方法是由李云洪;胡蕾;韓自成;徐十三悅設(shè)計研發(fā)完成，并于2024-08-17向國家知識產(chǎn)權(quán)局提交的專利申請。

本基于殘差注意力與多尺度特征聚合的視網(wǎng)膜圖像分割方法在說明書摘要公布了：本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，具體涉及一種基于殘差注意力與多尺度特征聚合的視網(wǎng)膜圖像分割方法，包括：以U?Net網(wǎng)絡(luò)結(jié)構(gòu)為基本框架，在網(wǎng)絡(luò)的編碼器部分和解碼器部分分別引入多個改進的殘差模塊，且在每個所述改進的殘差模塊之后接入一個通道注意力模塊，減少卷積和池化過程中信息丟失問題，并強化重要信息，抑制冗余信息；在跳躍路徑中引入多尺度特征聚合模塊，有效融合并提取不同尺度的血管特征，提升網(wǎng)絡(luò)的特征提取能力，為解碼層重建眼底圖像提供更豐富的信息。

本發(fā)明授權(quán)基于殘差注意力與多尺度特征聚合的視網(wǎng)膜圖像分割方法在權(quán)利要求書中公布了：1.一種基于殘差注意力與多尺度特征聚合的視網(wǎng)膜圖像分割方法，其特征在于，包括：以U-Net網(wǎng)絡(luò)結(jié)構(gòu)為基本框架，在網(wǎng)絡(luò)的編碼器部分和解碼器部分分別引入多個改進的殘差模塊，在每個所述改進的殘差模塊之后接入一個通道注意力模塊，組成通道注意力殘差特征提取模塊，在跳躍路徑中引入多尺度特征聚合模塊，得到視網(wǎng)膜圖像分割模型；在所述視網(wǎng)膜圖像分割模型的編碼器部分，所述改進的殘差模塊采用短連接機制從下采樣的視網(wǎng)膜特征圖中提取不同尺度的血管特征信息；所述通道注意力模塊通過學(xué)習(xí)特征通道的權(quán)重來動態(tài)地重塑特征通道，以強化關(guān)鍵信息并抑制冗余信息；基于所述多尺度特征聚合模塊對提取的不同尺度的血管特征信息進行聚合；在所述視網(wǎng)膜圖像分割模型的解碼器部分，將經(jīng)過所述多尺度特征聚合模塊處理后的視網(wǎng)膜特征圖與解碼階段上采樣的視網(wǎng)膜特征圖進行融合，重建視網(wǎng)膜血管圖像；基于所述通道注意力模塊重塑特征通道的步驟包括：通過全局平均池化操作將殘差模塊輸出的特征圖Xr-o壓縮為一個具有全局感受野的通道描述符，將每個通道的空間信息壓縮成一個單一的數(shù)值，得到大小為1×1×C的特征描述；對壓縮后的特征進行激勵操作，通過一層或多層全連接網(wǎng)絡(luò)，學(xué)習(xí)到每個通道的重要性權(quán)重Xse-e；將學(xué)習(xí)到的通道重要性權(quán)重Xse-e與原始特征圖Xr-o進行逐元素相乘，得到權(quán)重調(diào)整后的特征圖。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人江西師范大學(xué)，其通訊地址為：330022 江西省南昌市紫陽大道99號；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)”。