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！

龙图腾网获悉杭州电子科技大学申请的专利一种基于RTUNet网络的骨肉瘤识别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：CN118429359B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202310355176.8，技术领域涉及：G06T7/11；该发明授权一种基于RTUNet网络的骨肉瘤识别方法是由陈一飞;邹槟峰;黄一凡;戴学舟;柯怡帆设计研发完成，并于2023-04-06向国家知识产权局提交的专利申请。

本一种基于RTUNet网络的骨肉瘤识别方法在说明书摘要公布了：本发明公开了一种基于RTUNet网络的骨肉瘤识别方法，属于计算机视觉深度学习和医学图像处理领域，具体包括:步骤a、构建用于识别骨肉瘤的RTUNet神经网络模型；步骤b、建立骨肉瘤数据集，分为训练集和测试集；步骤c、使用训练集对RTUNet神经网络模型进行训练，对网络模型参数调优；步骤d、使用测试集测试评估得到的网络模型，最终实现自动、智能的骨肉瘤肿瘤识别分割功能。本发明所使用的网络模型RTUNet网络结合了残差网络ResNet、Transformer、U‑Net跳跃连接结构，能够实现自动、智能的骨肉瘤肿瘤识别分割功能，使网络模型具有更高的识别分割准确度。

本发明授权一种基于RTUNet网络的骨肉瘤识别方法在权利要求书中公布了：1.一种基于RTUNet网络的骨肉瘤识别方法，其特征在于：包括以下步骤： 步骤a、构建用于识别骨肉瘤的RTUNet神经网络模型，所述RTUNet神经网络模型结合了残差网络ResNet、Transformer、U-Net跳跃连接结构，由编码器和解码器构成；输入图片先通过编码器用于提取特征信息，再通过跳跃连接结构将低级空间特征信息输入解码器层，辅助完成上采样的工作，得到图像输入尺寸一致的分割结果； 所述编码器主要由卷积残差模块与注意力模块构成； 其中卷积残差模块中，输入尺寸512*512的3通道图像，在经过一层7*7卷积后输入到残差模块中，每个残差模块包括跳跃结构与两枚3*3卷积核，在特征图保留特征结构，输入进跳跃连接结构之后进行最大池化操作，经过4次下采样后，图像规模变为原图的116； 注意力模块主要由Transformer模型构成，图像在经过卷积残差模块4次下采样后序列化输入注意力层，注意力层包括位置编码和12层Transformer，以此获得编码的结果特征图，注意力模块由经过4次下采样后将像素切片输入，将切片xp映射到D维的嵌入空间，进行切片嵌入，切片嵌入表达式如下： 式中，P2为切片大小，N＝H*WP2，Epos为位置信息，C为通道数量； 之后将嵌入层输入到Transformer层计算，其中包括了多头注意力模块和多层感知机模块，输出的第L层表示如下： 式中，MSA表示多头注意力模块，MLP表示多层感知机模块； 所述解码器包括残差学习与上采样： 其中残差学习采用特征图相加的方式，共包括3个3*3卷积核；每次卷积前保留特征图，将3次卷积后的特征图与保留的3个特征图相加后得到经过残差学习的特征图，之后进行跳跃连接与上采样； 上采样共4次；每次上采样前将前层特征图与跳跃连接而来的特征图进行拼接，之后通过3*3卷积减半特征图通道数，恢复其原始尺寸；之后对特征图进行2倍上采样与3*3卷积，将特征图分辨率变为2倍，通道数减半，再经过线性整流后得到上采样结果；共重复四次上采样，将特征图恢复至原始分辨率； 步骤b、建立骨肉瘤数据集，分为训练集和测试集； 步骤c、使用训练集对RTUNet神经网络模型进行训练，结合骨肉瘤影像特点，对网络模型参数调优，使网络达到最优效果； 步骤d、使用测试集测试评估得到的网络模型，最终实现自动、智能的骨肉瘤肿瘤识别分割功能。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市杭州经济开发区白杨街道2号大街1158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”。

以上内容由龙图腾AI智能生成。