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 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 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 > 长春大学王柳获国家专利权

长春大学王柳获国家专利权

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!

龙图腾网获悉长春大学申请的专利一种基于多尺度的渐进式多模态医学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:CN121616928B

龙图腾网通过国家知识产权局官网在2026-04-03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:202610132635.X,技术领域涉及:G06V10/80;该发明授权一种基于多尺度的渐进式多模态医学图像融合方法是由王柳;周杨;李汶珈;蔡泓宇;马跃;王天琦;王一帆设计研发完成,并于2026-01-30向国家知识产权局提交的专利申请。

一种基于多尺度的渐进式多模态医学图像融合方法在说明书摘要公布了:一种基于多尺度的渐进式多模态医学图像融合方法。涉及多模态医学图像融合技术领域,具体涉及一种基于多尺度的渐进式多模态医学图像融合方法。本发明通过“多尺度提取‑分层编码‑逐层融合‑自适应建模”的一体化设计,实现多模态医学图像的高效精准融合,为临床应用提供可靠的技术支撑。所述方法包括如下步骤:获取模态A和B的图像,并进行预处理;将预处理后图像进行多模态并行编码:多模态并行编码包括4个编码阶段;每个编码阶段的输入,均依次经过自适应视觉RWKV模块、高效跨模态模块和渐进式融合模块,得到多模态并行编码的输出;再经过图像转换,得到RGB融合图像。

本发明授权一种基于多尺度的渐进式多模态医学图像融合方法在权利要求书中公布了:1.一种基于多尺度的渐进式多模态医学图像融合方法,其特征在于,所述方法包括如下步骤: S1、获取模态A的灰度图像和模态B的RGB图像,并分别进行预处理; 再将预处理后模态B的RGB图像经图像转换为:Y通道、Cr通道和Cb通道; S2、将预处理后模态A的灰度图像和模态B的Y通道进行多模态并行编码: 多模态并行编码包括4个编码阶段; 每个编码阶段的输入,均依次经过自适应视觉RWKV模块、跨模态注意力模块和渐进式融合模块,得到多模态并行编码的输出; 自适应视觉RWKV模块的工作流程如下: 自适应视觉RWKV模块的输入经过层归一化处理后,再经通道分支和空间分支并行处理,得到通道混合特征和空间混合特征;通道混合特征和空间混合特征进行拼接,得到模态A特征和模态B特征;通道分支从输入到输出依次包括:通道混合子模块、RWKV状态单元、自适应局部移位模块和自适应特征融合模块; 空间分支从输入到输出依次包括:空间混合子模块、RWKV状态单元、自适应局部移位模块和自适应特征融合模块; 自适应局部移位模块的工作流程如下: 自适应局部移位模块的输入首先并行经过3×3深度可分离卷积、5×5深度可分离卷积和7×7深度可分离卷积提取小、中和大尺寸的局部特征; 小、中和大尺寸的局部特征再依次经过全局平均池化、两次线性变换和ReLu激活函数,生成小、中和大尺寸的注意力权重; 自适应特征融合模块将小、中和大尺寸的局部特征与小、中和大尺寸的注意力权重通过逐元素相乘,得到融合特征; 融合特征包括:通道混合特征和空间混合特征; S3、多模态并行编码的输出,经过解码输出层压缩为单通道亮度特征图通道; S4、将通道与Cr通道和Cb通道进行拼接,拼接后的图像,再经过图像转换,得到RGB融合图像。

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长春大学,其通讯地址为:130022 吉林省长春市卫星路6543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。