买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉江西财经大学申请的专利基于分层交叉关联学习的超声乳腺肿瘤图像分割方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120259333B 。

龙图腾网通过国家知识产权局官网在2025-08-08发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510737249.9，技术领域涉及：G06T7/10；该发明授权基于分层交叉关联学习的超声乳腺肿瘤图像分割方法是由丁冠群;方玉明;杨凯文;孙乐源设计研发完成，并于2025-06-04向国家知识产权局提交的专利申请。

本基于分层交叉关联学习的超声乳腺肿瘤图像分割方法在说明书摘要公布了：本发明提出一种基于分层交叉关联学习的超声乳腺肿瘤图像分割方法，该方法包括：对超声图像进行多阶段特征提取；对超声图像多阶段的表示特征进行对齐和融合处理，并结合残差结构进行肿瘤边界特征学习；对超声图像多阶段的表示特征进行对齐和融合处理，并利用残差结构进行增强和学习；对融合后的多尺度肿瘤边界特征和融合后的多尺度肿瘤分割特征利用分层交叉注意力机制进行关联建模，结合增强后的肿瘤分割特征进行解码，得到肿瘤分割预测图。本发明利用边界感知融合模块，在特征学习过程中显式强化对肿瘤边界区域的感知能力，显著缓解了传统方法中边界模糊、定位不准的问题，提升了肿瘤轮廓提取的精细度与连贯性。

本发明授权基于分层交叉关联学习的超声乳腺肿瘤图像分割方法在权利要求书中公布了：1.一种基于分层交叉关联学习的超声乳腺肿瘤图像分割方法，其特征在于，所述方法包括如下步骤： 步骤1、对超声图像进行多阶段特征提取，得到超声图像多阶段的表示特征； 步骤2、对超声图像多阶段的表示特征进行对齐和融合处理，得到融合后的多尺度肿瘤边界特征，对融合后的多尺度肿瘤边界特征结合残差结构进行肿瘤边界特征学习，得到肿瘤边界预测图； 步骤3、对超声图像多阶段的表示特征进行对齐和融合处理，得到融合后的多尺度肿瘤分割特征，对融合后的多尺度肿瘤分割特征利用残差结构进行增强和学习，得到增强后的肿瘤分割特征； 步骤4、对融合后的多尺度肿瘤边界特征和融合后的多尺度肿瘤分割特征，利用分层交叉注意力机制进行关联建模，以得到特征互补增强的肿瘤精细化特征； 步骤5、对特征互补增强的肿瘤精细化特征和增强后的肿瘤分割特征依次进行卷积操作和上采样操作，以得到肿瘤分割预测图； 基于肿瘤边界预测图构建肿瘤边界损失，基于肿瘤分割预测图构建肿瘤分割损失，利用肿瘤边界损失和肿瘤分割损失对图像分割模型进行优化，得到优化后的图像分割模型，将超声图像输入至优化后的图像分割模型，以得到最终的分割结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人江西财经大学，其通讯地址为：330000 江西省南昌市经济技术开发区双港东大街169号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。