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！

龙图腾网获悉广东工业大学申请的专利一种基于GTF卷积及多频双注意力的肝肿瘤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：CN119722712B 。

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：202411925420.0，技术领域涉及：G06T7/11；该发明授权一种基于GTF卷积及多频双注意力的肝肿瘤分割方法是由杨珉浩;黎凡;项德杰;江芡;伍浩伟;张纯霖;陈泽昊;吴艳娟;李梓亮;顾国生;邓杰航设计研发完成，并于2024-12-24向国家知识产权局提交的专利申请。

本一种基于GTF卷积及多频双注意力的肝肿瘤分割方法在说明书摘要公布了：本发明公开了一种基于GTF卷积及多频双注意力的肝肿瘤分割方法，该方法旨在解决肝肿瘤在形状、大小多样性以及边界模糊的问题，实现精确的肝肿瘤分割。该方法包括：S1：预处理腹部CT数据，将CT数据划分为训练集，验证集和测试集；S2：引入GTFGeometricTightFramelet，结合卷积操作，构建GTF卷积；S3：融合GTF卷积与注意力机制，构建多频双注意力模块；S4：融合内部特征蒸馏损失和分割损失，构建多尺度蒸馏分割损失；S5：融合GTF卷积，多频双注意力模块及多尺度蒸馏分割损失，构建GTF‑UNet模型；S6：使用训练集，验证集和测试集对模型进行训练，验证优化及测试。本发明能够有效捕捉细节特征和多尺度信息，有效提升肝肿瘤的分割精度,可用于CT图像中对肝肿瘤的自动分割。

本发明授权一种基于GTF卷积及多频双注意力的肝肿瘤分割方法在权利要求书中公布了：1.一种基于GTF卷积及多频双注意力的肝肿瘤分割方法，其特征在于，所述方法包括以下步骤： S1：预处理腹部CT数据，将CT数据划分为训练集，验证集和测试集； S2：引入GTFGeometric Tight Framelet，结合卷积操作，构建GTF卷积；具体包括以下步骤： S2.1：构建GTF变换及其逆变换滤波器； S2.2：运用GTF变换级联分解、重构，构建GTF卷积GTFConv； 其中，S2.1包括以下步骤： 构建基础矩阵W0、W1与W2，它们将作为后续生成一系列复杂矩阵结构的关键起始模块； 其中，W0包含图像的平滑信息，W1包含图像的方向与梯度信息，W2提取与W0特性相反的图像局部变化及对比度信息； 定义其中i，j＝0,1,2，表示克罗内克积，由此组合生成GTF变换滤波矩阵组： f0＝W0,0，f11＝W2,1，f12＝W1,2，GTF变换滤波器组定义为其中是低通滤波器fL，是高通滤波器，统称为fH；由filterstfilters＝E可知GTF变换具有正交性，得到GTF逆变换滤波器filterst； 其中，S2.2包括以下步骤： 给定单通道图像X，基于GTF的低通滤波器fL和高通滤波器fH，GTF变换GT可描述为： [XL,XH]＝Conv[fL,fH],X每个频域分量的分辨率是X的一半，XL是X的低频分量，XH是X的高频分量；由于GTF变换具有正交性，则GTF逆变换IGT可由转置卷积得到： X＝Conv‑transposed[fL,fH],[XL,XH]级联GTF变换可通过递归分解低频分量实现，其中，然后，对分解后的频域分量分别进行卷积操作，得到中间变量Y，其中，w是卷积核的权重: GTF是一个几何紧框架小波，根据小波变换与逆变换的线性性质，有： GTM+N＝GTM+GTNIGTM+N＝IGTM+IGTN运用小波逆变换线性性质组合高层输出和低层的YL： 最后进行GTF逆变换对图像进行重构，得到GTF卷积的输出Z: S3：融合GTF卷积与注意力机制，构建多频双注意力模块； S4：融合内部特征蒸馏损失和分割损失，构建多尺度蒸馏分割损失； S5：融合GTF卷积，多频双注意力模块及多尺度蒸馏分割损失，构建GTF‑UNet模型； S6：使用训练集，验证集和测试集对模型进行训练，验证优化及测试。

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广东工业大学，其通讯地址为：510060 广东省广州市越秀区东风东路729号大院；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。