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！

龙图腾网获悉福建农林大学申请的专利基于不确定性和浅层特征增强注意力网络的眼底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：CN119228812B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202411260161.4，技术领域涉及：G06T7/10；该发明授权基于不确定性和浅层特征增强注意力网络的眼底图像分割方法是由薛岚燕;陈允升;陆立峥设计研发完成，并于2024-09-10向国家知识产权局提交的专利申请。

本基于不确定性和浅层特征增强注意力网络的眼底图像分割方法在说明书摘要公布了：本发明公开了一种基于不确定性和浅层特征增强注意力网络的眼底图像分割方法，其包括：选取眼底视网膜图像数据作为训练集和测试集；对所述训练集中的眼底视网膜图像进行预处理；在Pytorch上构建全卷积神经网络模型；利用训练好的全卷积神经网络模型对测试集进行分割，得到最终分割结果。本发明提供了从眼底图像中自动分割视网膜血管神经网络模型，结合注意力机制扩大感受野使模型更好地理解图像中的局部细节和全局上下文，并通过融合神经网络中的深层特征指导浅层特征的表达提高了模型的学习能力；通过量化图像不确定性，降低由于模型的过自信对分割结果带来的不利影响，提高了视网膜血管分割的准确度。

本发明授权基于不确定性和浅层特征增强注意力网络的眼底图像分割方法在权利要求书中公布了：1.一种基于不确定性和浅层特征增强注意力网络的眼底图像分割方法，其特征在于，包括如下步骤： 步骤1：选取眼底视网膜图像数据作为训练集和测试集，每个眼底视网膜图像样本包括原彩色眼底视网膜图像和与其对应的血管分割标签； 步骤2：对训练集中的眼底视网膜图像进行预处理； 步骤3：在Pytorch上构建神经网络模型；具体包括如下步骤： 步骤3.1：将原图输入网络经过一次卷积、BN、ReLU操作获得特征图1，再分别经过连续三次的下采样和卷积、BN、ReLU操作，获得特征图2、3、4，共四张特征图； 步骤3.2：将特征图1~3输入注意力模块，获得注意力特征图a1、a2、a3； 步骤3.3：将注意力特征图a3和特征图4输入浅层特征增强模块，输出特征图A3；将特征图A3和注意力特征图a2输入浅层特征增强模块，输出特征图A2；将特征图A2和注意力特征图a1输入浅层特征增强模块输出特征图A1； 步骤3.4：对特征图4进行上采样后与特征图A3在通道上进行拼接后，再经过卷积、BN、ReLU操作，获得特征图U3；对特征图U3进行上采样后与特征图A2在通道上进行拼接后再经过卷积、BN、ReLU操作，获得特征图U2；对特征图U2进行上采样后与特征图A1在通道上进行拼接后再经过卷积、BN、ReLU操作，获得特征图U1； 步骤3.5：对特征图U2和U3分别进行2倍和4倍的上采样和卷积操作使其形状与特征图U1相同，再对特征图U1、U2、U3在通道上进行拼接后得到特征图C，将特征图C输入注意力模块中获得特征图C1，最后将特征图C和特征图C1进行残差相加操作获得粗分割图Seg； 步骤3.6：对粗分割图Seg进行不确定性建模操作，获得证据特征图E和不确定性特征图F，通过粗分割图像Seg与证据特征图E和不确定性特征图F来生成可靠的掩膜M，最后将M和粗分割图Seg在通道上拼接后经过11的卷积后输出最终的精细化分割结果； 其中，不确定性建模，包括如下步骤： S1：获得证据特征E = [，...，]，通过应用Softplus激活函数来确保特征值大于0，公式为： S2：将E参数化为Dirichlet分布，公式为： 其中，和分别是第k类Dirichlet分布参数和证据，且H、W分别为粗分割图Seg的宽和高； S3：计算置信质量和对应的不确定性得分，公式为： ，其中 、分别表示对应类在每个像素坐标处的概率和总体不确定性； 表示狄利克雷强度，K表示像素类的总数； 表示为分割特征图中每个像素的不确定性； 步骤4：使用训练好的神经网络模型对测试集进行分割，得到最终分割结果。

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福建农林大学，其通讯地址为：350000 福建省福州市仓山区上下店路15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。