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)恭喜桂林理工大學(xué)申請的專利基于反向通道填充CNN和水平集的色素性皮損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：CN113989288B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-06-17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：202111076764.5，技術(shù)領(lǐng)域涉及：G06T7/10；該發(fā)明授權(quán)基于反向通道填充CNN和水平集的色素性皮損圖像分割方法是由楊鐵軍;蔡超麗;黃琳設(shè)計(jì)研發(fā)完成，并于2021-09-14向國家知識產(chǎn)權(quán)局提交的專利申請。

本基于反向通道填充CNN和水平集的色素性皮損圖像分割方法在說明書摘要公布了：本發(fā)明提供一種基于反向通道填充CNN和水平集的色素性皮損圖像分割方法，該方法基于反向通道填充CNN和聯(lián)合后向傳播學(xué)習(xí)算法，基于注意力機(jī)制獲取目標(biāo)的大致空間位置，并通過反向通道填充增強(qiáng)目標(biāo)的空間位置特征，提高了CNN輸出目標(biāo)位置的準(zhǔn)確性；進(jìn)一步，將CNN學(xué)習(xí)的特征能量輸入到水平集分割模型中，驅(qū)動水平集演化，建立聯(lián)合CNN和水平集的后向傳播學(xué)習(xí)算法，進(jìn)一步提高分割精度。

本發(fā)明授權(quán)基于反向通道填充CNN和水平集的色素性皮損圖像分割方法在權(quán)利要求書中公布了：1.一種基于反向通道填充CNN和水平集的色素性皮損圖像分割方法，其特征在于，包括以下步驟： S1：通過BCF-CNN的第1次后向傳播，來學(xué)習(xí)目標(biāo)的空間位置； S2：將學(xué)習(xí)得到的空間位置進(jìn)行坐標(biāo)松弛化，得到位置先驗(yàn)； S3：將該位置先驗(yàn)反向注入到原始輸入，再進(jìn)行第2次后向傳播：繼續(xù)學(xué)習(xí)水平集演化的驅(qū)動能量和初始水平集，來驅(qū)動水平集演化得到最終的分割結(jié)果； BCF-CNN包括包括編碼器和解碼器兩部分，其中編碼器與Unet的編碼器類似，包含了5組卷積層和4個(gè)最大池化層，解碼器集成了AttentionGate模塊，以更加準(zhǔn)確的輸出目標(biāo)位置； 解碼器包含了兩個(gè)分支：外部能量分支和內(nèi)部能量分支；兩個(gè)分支均包含了5組卷積層和4個(gè)上采樣層，其中外部能量分支在最后一層包含了兩個(gè)子分支，分別輸出外部能量和目標(biāo)位置；內(nèi)部能量分支則輸出曲率能量系數(shù)。

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)系本專利的申請人或?qū)＠麢?quán)人桂林理工大學(xué)，其通訊地址為：541010 廣西壯族自治區(qū)桂林市七星區(qū)建干路12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)”。