Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 积分商城 国际服务 IP管家助手 科技果 科技人才 商标交易 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 合肥工业大学李畅获国家专利权

合肥工业大学李畅获国家专利权

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!

龙图腾网获悉合肥工业大学申请的专利基于多梯度协同融合与结构全域解码的多焦距胚胎图像融合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:CN120689222B

龙图腾网通过国家知识产权局官网在2026-03-10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:202510871761.2,技术领域涉及:G06T5/50;该发明授权基于多梯度协同融合与结构全域解码的多焦距胚胎图像融合方法是由李畅;林学娟;黄乐元;宋仁成;刘羽;成娟;陈勋设计研发完成,并于2025-06-26向国家知识产权局提交的专利申请。

基于多梯度协同融合与结构全域解码的多焦距胚胎图像融合方法在说明书摘要公布了:本发明公开了一种基于多梯度协同融合与结构全域解码的多焦距胚胎图像融合方法,包括:1.获取同一胚胎在不同焦距下的多张图像,并进行预处理生成多通道输入特征图;2.构建并行的多分支梯度特征提取网络,每个分支由多尺度卷积注意力模块组成,用于提取不同类型的梯度特征;3.通过门控机制对各分支输出的多尺度梯度特征进行动态加权融合,生成统一融合特征;4.构建结构全域解码网络,将融合特征重建为清晰聚焦图像;5.联合引入自监督梯度对齐损失与结构相似性损失,优化网络参数;6.在构建的数据集上进行训练与测试,完成多焦距胚胎图像的融合任务,并能提升胚胎图像聚焦质量与结构还原度。

本发明授权基于多梯度协同融合与结构全域解码的多焦距胚胎图像融合方法在权利要求书中公布了:1.一种基于多梯度协同融合与结构全域解码的多焦距胚胎图像融合方法,其特征在于,是按如下步骤进行: 步骤1、获取同一时间拍摄的两张不同焦距的胚胎显微图像组,其中,表示第一张胚胎显微图像,表示第二张胚胎显微图像,表示胚胎显微图像的长度,表示胚胎显微图像的宽度;3表示胚胎显微图像的通道数; 对进行灰度化处理,得到胚胎显微灰度图像组,其中,表示第一张胚胎显微灰度图像,表示第二张胚胎显微灰度图像;1表示胚胎显微灰度图像的通道数; 按灰度图像的通道维度对和进行堆叠,形成多通道输入特征图; 采取种不同的梯度算子分别提取的结构梯度图组,其中,表示第种梯度算子提取的结构梯度图组,表示第种梯度算子提取的结构梯度图,表示第种梯度算子提取的结构梯度图; 对和进行逐像素最大值操作,得到第张胚胎参考梯度图,从而获得张胚胎参考梯度图; 步骤2、构建多梯度协同融合网络,包括:多个梯度特征引导的多尺度特征提取模块、特征融合模块,并对进行处理,获得多尺度的胚胎梯度融合特征; 步骤3、构建胚胎结构全域解码模块,包括:Patch嵌入层、旋转不变位置编码层、多层全域解码单元和Patch还原层;其中,多层全域解码单元由多层结构相同的Transformer解码层组成,每个Transformer解码层包括:多头注意力单元、前馈神经网络,归一化和残差连接单元;并对进行处理,获得聚焦胚胎图像; 步骤4、构建联合损失函数; 步骤5、采用AdamW优化器对多焦距胚胎图像融合网络进行训练,并最小化联合损失函数以更新网络参数,从而获得最优多焦距胚胎图像融合模型,用于实现多焦距胚胎图像的自适应聚焦融合。

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合肥工业大学,其通讯地址为:230009 安徽省合肥市包河区屯溪路193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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。