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！

龙图腾网获悉四川大学申请的专利针对糖尿病性视网膜病变眼底图像的自注意力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：CN115908440B 。

龙图腾网通过国家知识产权局官网在2026-01-16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：202211572575.1，技术领域涉及：G06T7/10；该发明授权针对糖尿病性视网膜病变眼底图像的自注意力分割方法是由丁天舒;陈媛媛;钦清;马晓月;洪一超;彭尉力;吴雪松设计研发完成，并于2022-12-08向国家知识产权局提交的专利申请。

本针对糖尿病性视网膜病变眼底图像的自注意力分割方法在说明书摘要公布了：本发明公开了针对糖尿病性视网膜病变眼底图像的自注意力分割方法，包括以下步骤：S1、采集糖尿病性视网膜病变眼底图像，对其进行预处理后得到第一特征图集；S2、将第一特征图集输入swin‑transformer网络，得到第三特征图集；S3、将第三特征图集输入预测层网络，得到预测图像，完成糖尿病性视网膜病变眼底图像的自注意力分割。本发明可以对高分辨率图像进行精细化分割，比传统U‑Net架构、M‑Net、Swin‑Unet架构等有更好的效果。可以更多获取全局信息。本发明使用patch进行图片切割后进行图片预测，可以有效降低神经网络规模，加快神经网络训练速度。

本发明授权针对糖尿病性视网膜病变眼底图像的自注意力分割方法在权利要求书中公布了：1.针对糖尿病性视网膜病变眼底图像的自注意力分割方法，其特征在于，包括以下步骤： S1、采集糖尿病性视网膜病变眼底图像，对其进行预处理后得到第一特征图集； S2、将第一特征图集输入swin-transformer网络，得到第三特征图集； S3、将第三特征图集输入预测层网络，得到预测图像，完成糖尿病性视网膜病变眼底图像的自注意力分割； 所述S1中，预处理的方法具体为： 通过平均池化层对糖尿病性视网膜病变眼底图像进行自然向下采样，通过编码器将采样后的图像构建为三个不同尺度的糖尿病性视网膜病变眼底图像，并对每个不同尺度的糖尿病性视网膜病变眼底图像进行色彩变化和切片处理，将三个不同尺度的糖尿病性视网膜病变眼底图像依次通过PatchPartition层和LinearEmbedding层，得到三个不同尺度的糖尿病性视网膜病变眼底图像对应的第一特征图，进而得到第一特征图集； 所述S2中，swin-transformer网络包括第一~第八swin-transformer模块； 其中，所述第一swin-transformer模块的输出端与所述第四swin-transformer模块的输入端连接，所述第一swin-transformer模块的侧输出端与所述第二swin-transformer模块的侧输入端连接，所述第二swin-transformer模块的输出端与所述第五swin-transformer模块的输入端连接，所述第二swin-transformer模块的侧输出端与所述第三swin-transformer模块的侧输入端连接； 所述第三swin-transformer模块的输出端与所述第六swin-transformer模块的输入端连接，所述第三swin-transformer模块的侧输出端依次通过第七swin-transformer模块和第八swin-transformer模块与所述第六swin-transformer模块的侧输入端连接； 所述第六swin-transformer模块的侧输出端与所述第五swin-transformer模块的侧输入端连接，所述第五swin-transformer模块的侧输出端与所述第四swin-transformer模块的侧输入端连接； 所述S2具体为： 将尺寸为W×H×3的第一特征图、W2×H2×3的第一特征图和W4×H4×3的第一特征图分别输入第一~第三swin-transformer模块的输入端，第一swin-transformer模块的输出端输出W4×H4×C的第二特征图至第四swin-transformer模块的输入端，第二swin-transformer模块的输出端输出W8×H8×2C的第二特征图至第五swin-transformer模块的输入端，第三swin-transformer模块的输出端输出W16×H16×4C的第二特征图至第六swin-transformer模块的输入端，第三swin-transformer模块的侧输出端输出W32×H32×8C的第二特征图依次通过第七~第八swin-transformer模块至第六swin-transformer模块的侧输入端； 所述第四~第六swin-transformer模块根据输入的第二特征图输出第三特征图，得到第三特征图集，其中，C为通道数，W为图像宽度，H为图像高度； 所述S3中，预测层网络包括依次连接的patchmerging模块、linearembedding层和自注意力模块；所述S3具体为： 将第三特征图依次输入patchmerging模块和linearembedding层进行特征提取，将提取到的特征输入自注意力模块进行融合，得到预测图像，完成糖尿病性视网膜病变眼底图像的自注意力分割。

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四川大学，其通讯地址为：610000 四川省成都市一环路南一段24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。