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)恭喜浙江工業(yè)大學(xué)申請的專利一種融合多種注意力機制神經(jīng)網(wǎng)絡(luò)的結(jié)直腸息肉分割方法獲國家發(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：CN113989301B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-05-23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：202111276806.X，技術(shù)領(lǐng)域涉及：G06T7/11；該發(fā)明授權(quán)一種融合多種注意力機制神經(jīng)網(wǎng)絡(luò)的結(jié)直腸息肉分割方法是由胡奕標(biāo);金燕;賈立新;薛智中;姜智偉;鄭秋富設(shè)計研發(fā)完成，并于2021-10-29向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種融合多種注意力機制神經(jīng)網(wǎng)絡(luò)的結(jié)直腸息肉分割方法在說明書摘要公布了：本發(fā)明公開了一種融合多種注意力機制神經(jīng)網(wǎng)絡(luò)的結(jié)直腸息肉分割方法，包括：1收集多種類型內(nèi)窺鏡下結(jié)直腸息肉圖像，并通過圖像隨機水平翻轉(zhuǎn)、隨機對比度增強、0.75～1.25倍隨機多尺度放大縮小和0～360度隨機旋轉(zhuǎn)等方法進(jìn)行圖像增強，組成訓(xùn)練樣本；2構(gòu)建包含多種注意力機制的神經(jīng)網(wǎng)絡(luò)，其中包含特征提取模塊、通道分組空間增強模塊、軸向自注意力結(jié)合感受野增強模塊和逆向注意力邊界增強模塊；3利用訓(xùn)練樣本訓(xùn)練所述神經(jīng)網(wǎng)絡(luò)，優(yōu)化網(wǎng)絡(luò)參數(shù)，確定網(wǎng)絡(luò)參數(shù)后與神經(jīng)網(wǎng)絡(luò)共同組成模型；4應(yīng)用時，采集內(nèi)窺鏡下結(jié)直腸圖像，并輸入至模型中，經(jīng)計算輸出結(jié)直腸息肉分割圖像。該方法提升結(jié)直腸息肉的分割效果。

本發(fā)明授權(quán)一種融合多種注意力機制神經(jīng)網(wǎng)絡(luò)的結(jié)直腸息肉分割方法在權(quán)利要求書中公布了：1.一種融合多種注意力機制神經(jīng)網(wǎng)絡(luò)的結(jié)直腸息肉分割方法，其特征在于，包括以下步驟：1收集多種類型內(nèi)窺鏡下結(jié)直腸息肉圖像，并進(jìn)行圖像增強，組成訓(xùn)練樣本；2構(gòu)建包含多種注意力機制的神經(jīng)網(wǎng)絡(luò)，其中包含特征提取模塊、通道分組空間增強模塊、軸向自注意力結(jié)合感受野增強模塊和逆向注意力邊界增強模塊；步驟2中通道分組空間增強模塊、軸向自注意力結(jié)合感受野增強模塊和逆向注意力邊界增強模塊的構(gòu)建具體過程如下：步驟2.1構(gòu)建通道分組空間增強模塊：每個獨立的分組在空間中位置的特征向量用xi表示，X＝{x1...m},m＝H×W，其中C代表骨干網(wǎng)絡(luò)輸出的特征圖通道數(shù)，H×W表示特征圖的大小，G代表分組數(shù)，表示像素所在的空間域；根據(jù)實驗設(shè)置的批處理大小，并結(jié)合每一層骨干網(wǎng)絡(luò)得到的特征圖通道數(shù)，同時防止過小的分組造成特征細(xì)節(jié)缺失，當(dāng)?shù)玫降奶卣鲌D通道數(shù)分別為512,1024,2048時，將分組數(shù)G分別設(shè)置為32,64,128；首先對每個分組都先進(jìn)行全局最大平均池化，以此逼近每個分組的學(xué)習(xí)到的特征語義向量并抑制可能存在的噪聲，即: 接著利用這個全局特征GF和局部特征xi進(jìn)行點積運算生成每一個子特征對應(yīng)的注意力系數(shù)ci，ci＝GF·xi，即比較每一個子特征和全局特征的相似性；同時為了防止各種不同樣本之間的系數(shù)的偏差幅度過大，對系數(shù)ci做了歸一化得到注意力特征圖ai，即： 其中為常數(shù)1e-5,cj表示空間中另外一個子特征的注意力系數(shù)，j表示空間中另外一個子特征，最后ai通過sigmoid激活函數(shù)得到最終增強的特征分組yi；步驟2.2構(gòu)建軸向自注意力感受野增強模塊：先將輸入的特征圖分別經(jīng)過1×3、1×5、1×7、1×1卷積層的感受野路徑,再各自通過空洞率為3、5、7、1的空洞卷積層擴大感受野后進(jìn)入軸向自注意力模塊,最后與1×1感受野路徑的特征圖進(jìn)行通道拼接后輸出；步驟2.3構(gòu)建逆向注意力邊界增強模塊：將從解碼器中的得到的特征圖視為md,并以此得到對應(yīng)的前景特征圖mf和背景特征圖mb，其中mf＝maxmd-0.5,0,mb＝max0.5-md,0然后計算每個特征圖的特征向量： vf，vb，vd分別代表來自前景,背景和解碼器的特征圖對應(yīng)的特征向量,i代表在空間維度的每一個像素,e代表自然常數(shù)，然后計算每一個以上特征向量和來自編碼器的特征圖的相似性； 然后通過權(quán)重加總得到得到每個特征向量的相似性分?jǐn)?shù)kf,kb,kd；再通過加權(quán)平均得到語義特征圖中的每個像素pi；pi＝δkfiρvf+kbiρvb+kdiρvdψ·,φ·,ρ·,δ·都代表卷積操作；最后將語義特征圖p和編碼器的輸入特征進(jìn)行通道拼接后得到最終的語義特征圖；3利用訓(xùn)練樣本訓(xùn)練所述神經(jīng)網(wǎng)絡(luò)，優(yōu)化網(wǎng)絡(luò)參數(shù)，確定網(wǎng)絡(luò)參數(shù)后與神經(jīng)網(wǎng)絡(luò)共同組成模型；4應(yīng)用時，采集內(nèi)窺鏡下結(jié)直腸圖像，并輸入至模型中，經(jīng)計算輸出結(jié)直腸息肉分割圖像。

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)人浙江工業(yè)大學(xué)，其通訊地址為：310014 浙江省杭州市拱墅區(qū)朝暉六區(qū)；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)”。