買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜五邑大學申請的專利一種皮膚病變圖像分割方法、系統、設備及存儲介質獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN114972324B 。

龍圖騰網通過國家知識產權局官網在2025-05-06發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210751558.8，技術領域涉及：G06T7/00；該發明授權一種皮膚病變圖像分割方法、系統、設備及存儲介質是由李澄非;邱世漢;馮躍;梁輝杰;徐傲;梁淑芬;秦傳波設計研發完成，并于2022-06-29向國家知識產權局提交的專利申請。

本一種皮膚病變圖像分割方法、系統、設備及存儲介質在說明書摘要公布了：本申請實施例公開了一種皮膚病變圖像分割方法、系統、設備及存儲介質，首先提取皮膚病變圖像的多層次特征的上下文信息；然后通過門控融合解碼器從多層次特征的上下文信息中自適應選擇互補信息，并通過加法和門控機制將多層次特征的上下文信息進行融合，得到初始引導特征圖；然后通過形狀引導流模塊逐步挖掘特征圖中的病變邊界并突出病變區域的形狀，解決邊界模糊問題；最后將形狀引導流模塊輸出的最終引導特征圖和皮膚病變圖像的淺層特征進行門控卷積融合得到最終輸出。本發明能夠很好地解決皮膚病變圖像中的病變區域大小不同和不規則導致目標定位不準確的問題以及病變區域與背景之間的模糊性等問題。

本發明授權一種皮膚病變圖像分割方法、系統、設備及存儲介質在權利要求書中公布了：1.一種皮膚病變圖像分割方法，其特征在于，所述皮膚病變圖像分割方法包括：獲取皮膚病變圖像；提取所述皮膚病變圖像的淺層特征和多層次特征，并提取每一層次特征對應的上下文信息；所述提取每一層次特征對應的上下文信息，包括：構建上下文特征提取模塊，所述上下文特征提取模塊包括依次連接的感受野模塊和殘差多核池化模塊，所述感受野模塊包括跳躍連接層和多分支卷積層，其中，每個分支卷積層都包括依次連接的1×1卷積層、1×n卷積層、n×1卷積層和具有特定空洞率的空洞卷積層，所述跳躍連接層的輸出結果和所述多分支卷積層的輸出結果拼接后得到所述感受野模塊的輸出結果；所述殘差多核池化模塊包括四個不同尺寸大小的池化層、四個1×1卷積層和雙線性插值層，所述四個不同尺寸大小的池化層用于從輸入至所述殘差多核池化模塊的特征圖中分別提取四個不同尺寸的特征圖，所述四個1×1卷積層用于降低所述四個不同尺寸的特征圖的通道數，所述雙線性插值層用于對所述四個1×1卷積層輸出的特征圖進行上采樣，所述輸入至所述殘差多核池化模塊的特征圖與所述雙線性插值層輸出的特征圖拼接得到所述殘差多核池化模塊的輸出結果；將所述多層次特征中的每一層次特征分別輸入至所述上下文特征提取模塊中，得到所述上下文特征提取模塊中每一層次特征的上下文信息；將所述多層次特征的上下文信息輸入至預設的門控融合解碼器中，以使所述門控融合解碼器從所述多層次特征的上下文信息中自適應選擇互補信息，并通過加法和門控機制將所述多層次特征的上下文信息進行融合，得到所述門控融合解碼器輸出的初始引導特征圖；所述門控融合解碼器的表達式包括： 其中，σ表示sigmoid激活函數，表示在通道中像素級別相乘，fi表示所述多層次特征中的第i個層次特征，Sg表示所述初始引導特征圖；構建形狀引導流模塊，將所述初始引導特征圖和所述多層次特征的上下文信息輸入至所述形狀引導流模塊中，以使所述形狀引導流模塊逐步挖掘特征圖中的病變邊界并突出病變區域的形狀，得到所述形狀引導流模塊輸出的最終引導特征圖；所述多層次特征為N個層次特征，其中，第1個層次特征為N個層次特征中最低層次特征，并且從第1個層次特征至第N個層次特征的層次特征依次遞增；所述形狀引導流模塊包括N個通道反向注意力模塊和N個門控卷積融合模塊；所述形狀引導流模塊逐步挖掘特征圖中的病變邊界并突出病變區域的形狀，得到所述形狀引導流模塊輸出的最終引導特征圖，包括：將所述初始引導特征圖作為第1引導特征圖，并將所述第1引導特征圖和第1個層次特征輸入至第1個所述通道反向注意力模塊中，以使第1個所述通道反向注意力模塊通過使用反向注意力來剔除前景對象，并輸出第1注意力特征圖；將所述第1注意力特征圖和所述第1引導特征圖輸入至第1個所述門控卷積融合模塊中，得到第1個所述門控卷積融合模塊輸出的第2引導特征圖；將所述第2引導特征圖和第2個層次特征輸入至第2個所述通道反向注意力模塊中，以使第2個所述通道反向注意力模塊通過使用反向注意力來剔除前景對象，并輸出第2注意力特征圖；將所述第2注意力特征圖和所述第2引導特征圖輸入至第2個所述門控卷積融合模塊中，得到第2個所述門控卷積融合模塊輸出的第3引導特征圖；依次類推，直至將所述第N引導特征圖和所述第N個層次特征輸入至第N個所述通道反向注意力模塊中，以使第N個所述通道反向注意力模塊通過使用反向注意力來剔除前景對象，并輸出第N注意力特征圖；將所述第N注意力特征圖和所述第N引導特征圖輸入至第N個所述門控卷積融合模塊中，得到第N個所述門控卷積融合模塊輸出的最終引導特征圖；其中，所述門控卷積融合模塊的表達式包括： Gi＝F′i☉αi+F′iTωi其中，αi表示權重值，σ表示sigmoid函數，Conv1×1表示1×1卷積，F′i表示第i注意力特征圖，Si′表示第i引導特征圖，i取值為1至N的整數，ωi表示權系數，Gi表示所述門控卷積融合模塊輸出的引導特征圖；將所述最終引導特征圖和所述淺層特征進行門控卷積融合，得到所述皮膚病變圖像的分割結果。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人五邑大學，其通訊地址為：529000 廣東省江門市蓬江區東成村22號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。