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！

龙图腾网获悉华南理工大学申请的专利一种基于注意力机制和边缘检测的医学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：CN116363120B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202310431557.X，技术领域涉及：G06T7/00；该发明授权一种基于注意力机制和边缘检测的医学图像分割方法是由田翔;王腾设计研发完成，并于2023-04-21向国家知识产权局提交的专利申请。

本一种基于注意力机制和边缘检测的医学图像分割方法在说明书摘要公布了：本发明提供一种基于注意力机制和边缘检测的医学图像分割方法，包括以下步骤：S1、构建完整的预处理图像；S2、将步骤S1所得预处理图像与训练集和验证集的待分割图像进行拼接，输出特征融合图像；S3、建立包含注意力机制的主干网络，将特征融合图像输入包含注意力机制的主干网络，得到包含注意力机制的主干网络的输出；S4、建立边缘检测网络，将训练集和验证集的待分割图像输入边缘检测网络，以获得图像边缘信息，得到边缘检测网络的输出；S5、将步骤S3中包含注意力机制的主干网络的输出和步骤S4中边缘检测网络的输出进行特征融合，并归一化，输出医学图像的分割图像。本发明可实现图像边界的精确分割，从而提升医学图像分割的准确度。

本发明授权一种基于注意力机制和边缘检测的医学图像分割方法在权利要求书中公布了：1.一种基于注意力机制和边缘检测的医学图像分割方法，其特征在于：包括以下步骤： S1、分别设定训练集、验证集和测试集的待分割图像和真实标注分割图像；对训练集和验证集的真实标注分割图像中分割物体的质心进行模糊，得到真实标注分割数据集； 建立预处理网络，并将真实标注分割数据集输入预处理网络，得到预处理网络的参数；使用预处理网络的参数对测试集的待分割图像进行预测，构建完整的预处理图像； S2、将步骤S1所得预处理图像与训练集和验证集的待分割图像进行拼接，输出特征融合图像； S3、建立包含注意力机制的主干网络，将特征融合图像输入包含注意力机制的主干网络，得到包含注意力机制的主干网络的输出； 步骤S3包括以下步骤： S3-1、建立包含注意力机制的主干网络；主干网络包括四个卷积池化层，用于分别表示四个不同层次语义信息的四个残差块Res-1、Res-2、Res-3和Res-4，以及注意力机制模块；在Res-1的输出部分加上一个卷积块进行特征提取得到Res-1`，在Res-4的输出部分加上了一个特征金字塔模块进行感受野的扩大得到Res-4`； S3-2、注意力机制模块包括通道注意力机制模块CAB和特征融合模块FFB；将Res-1`和Res-4`的输出特征图A分别作为通道注意力机制模块CAB以及特征融合模块FFB的输入； S3-3、通道注意力机制模块CAB对输入的特征图A进行变形得到特征图B∈RC×HW，其中C为特征图A通道数，H和W为特征图A的高和宽；再同时对特征图A进行变形和转置得到RC×WH，结果和特征图B进行矩阵相乘后通过softmax层获得通道特征图X∈RC×C，X的表达式为： 其中xji表示第i个信道对第j个信道的影响； S3-4、将特征图B与特征图X进行矩阵相乘的结果变形后，再与特征图B进行矩阵相乘，恢复为特征图E∈RC×H×W，E的表达式为： S3-5、特征融合模块FFB将输入特征图A通过两个将通道数翻倍的卷积层，然后通过两个将通道数减半的卷积层，再与步骤S3-4得到的特征图E进行矩阵相乘，最后通过一个卷积块后与特征图A进行矩阵相乘，得到注意力机制模块的输出； S3-6、将S3-5中注意力机制模块的输出通过一个卷积块进行特征降维，再进行双线性插值上采样恢复图像大小，得到包含注意力机制的主干网络的输出； S4、建立边缘检测网络，将训练集和验证集的待分割图像输入边缘检测网络，以获得图像边缘信息，得到边缘检测网络的输出； S5、将步骤S3中包含注意力机制的主干网络的输出和步骤S4中边缘检测网络的输出进行特征融合，并归一化，输出医学图像的分割图像。

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华南理工大学，其通讯地址为：510640 广东省广州市天河区五山路381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”。