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！

龙图腾网获悉黑龙江大学申请的专利一种基于双分支解码器的医学图像分割方法及系统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：CN118397267B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202410397387.2，技术领域涉及：G06V10/26；该发明授权一种基于双分支解码器的医学图像分割方法及系统是由朱敬华;黄程颖;奚赫然设计研发完成，并于2024-04-03向国家知识产权局提交的专利申请。

本一种基于双分支解码器的医学图像分割方法及系统在说明书摘要公布了：本发明提出一种基于双分支解码器的医学图像分割方法及系统，其中方法包括：步骤1：基于CNN‑Transformer混合编码器提取医疗图像的图像特征；步骤2：构建像素解码器，基于像素解码器对医疗图像的特征图进行恢复分辨率；步骤3：构建含有LMaXTransformer的增强解码器，获取医疗图像的分割预测结果；步骤4：设计对比聚类分配损失，获取特征增强视图并增强特征增强视图和聚类结果之间的相似度；步骤5：设计多尺度分割损失，获取总分割损失，通过总分割损失反向传播优化混合编码器和增强解码器的参数，完成医疗图像的自动分割。本发明通过将聚类分配作用于增强特征，可以提升特征增强视图之间的一致性，同时提升解码器的解码能力，进一步提高了分割的精度和鲁棒性。

本发明授权一种基于双分支解码器的医学图像分割方法及系统在权利要求书中公布了：1.一种基于双分支解码器的医学图像分割方法，其特征在于，所述一种基于双分支解码器的医学图像分割方法的步骤包括： 步骤1：基于CNN-Transformer混合编码器提取医疗图像的图像特征； 步骤1中提取医疗图像的图像特征的步骤包括： 步骤1.1：将所述医疗图像输入至CNN编码器中进行尺度划分，分别得到，，和四个尺度的特征图，每个尺度的特征图输出的隐藏特征序列为，其中，C为通道数，H为图像高度，W为图像宽度； 步骤1.2：对CNN编码器中每个尺度的特征图输出的隐藏特征序列进行重塑，得到个图像块，其中每个图像块的大小均为； 步骤1.3：使用线性投影将所述重塑后的图像块映射成D维的embedding，并记录每个图像块的位置信息，获取医疗图像的局部特征； 步骤1.4：将所述D维的embedding输入至由多头自我注意和多层感知器组成的Transformer编码器中获取医疗图像的全局特征，CNN-Transformer混合编码器输出的隐藏特征序列为； 步骤2：构建像素解码器，基于像素解码器对医疗图像的特征图进行恢复分辨率； 步骤2中对医疗图像的特征图进行恢复分辨率的步骤包括： 步骤2.1：对混合编码器输出隐藏特征序列的尺度进行重塑，得到尺度为的隐藏特征序列； 步骤2.2：通过级联多个上采样块，将尺度重塑后的隐藏特征序列的分辨率从逐步恢复到，，，； 步骤3：构建含有LMaXTransformer的增强解码器，基于增强解码器进行聚类捕获解码后的医疗图像特征的细节信息，获取医疗图像的分割预测结果； 步骤3中获取医疗图像的分割预测结果的步骤包括： 步骤3.1：通过过跳跃连接融合像素解码器和CNN-Transformer混合编码器四个尺度的像素特征； 步骤3.2：将融合后的每个尺度的像素特征依次输入kMaXTransformer模块进行聚类； 步骤3.3：利用截断正态分布对聚类中心进行初始化，得到输出聚类中心,； 步骤3.4：对所述聚类中心进行更新； 步骤3.4中对聚类中心进行更新的步骤包括： 步骤3.4.1：将第一个上采样块得到的尺度为的像素特征和聚类中心作为第一阶段kMaX解码器的输入，得到第一阶段更新的聚类中心； 步骤3.4.2：依次将所有上采样块输出的像素特征和每个阶段获取的聚类中心作为下一阶段kMaX解码器的输入，完成聚类中心的更新； 步骤3.5：基于更新后的聚类中心对每个聚类内的像素进行聚合，获取聚类结果； 步骤3.6：基于所述聚类结果获取医疗图像的分割预测结果，并输出特征图f； 步骤4：设计对比聚类分配损失，获取特征增强视图并增强特征增强视图和聚类结果之间的相似度； 步骤4中获取特征增视图并增强特征增强视图和聚类结果之间的相似度的步骤包括： 步骤4.1：对解码器最终输出的特征图f进行加噪生成两个增强视图和； 步骤4.2：基于所述增强视图和最大化特征图与聚类分类之间的相似度获取对比聚类损失； 对比聚类损失的表达式为： 8 公式8中，为温度参数，、均为特征增强视图，为聚类分类结果，和均由聚类分类结果和特征增强视图和计算得到； 步骤5：设计多尺度分割损失，基于对比聚类分配损失和多尺度分割损失获取总分割损失，通过总分割损失反向传播优化混合编码器和增强解码器的参数，完成医疗图像的自动分割； 步骤5中通过总损失反向优化混合编码器和增强解码器的参数的步骤包括： 步骤5.1：对混合编码器和增强编码器中的GroundTruth进行下采样，得到，，，四个尺度的GroundTrurh； 步骤5.2：计算含有kMaXTransformer的增强解码器输出的不同尺度的特征图与相应尺度的GroundTrurh的多尺度分割损失； 步骤5.3：将所述多尺度分割损失和对比聚类损失加权求和，得到总分割损失； 步骤5.4：通过总分割损失反向优化混合编码器和增强解码器的参数，完成医疗图像的自动分割； 多尺度分割的表达式为： 9 公式9中，和分别为二元交叉熵损失和dice损失，为用于平衡每像素分割损失的超参数，为常数，分别为0.05,0.05,0.1,0.8； 总分割损失的表达式为： 10 公式10中，参数和均为常数，和分别为0.5,0.1。

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黑龙江大学，其通讯地址为：150000 黑龙江省哈尔滨市南岗区学府路74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。