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！

龙图腾网恭喜成都信息工程大学申请的专利一种基于粗细粒度注意力的小目标医学超声图像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：CN119444779B 。

龙图腾网通过国家知识产权局官网在2025-03-28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：202510032486.5，技术领域涉及：G06T7/11；该发明授权一种基于粗细粒度注意力的小目标医学超声图像分割方法是由杨浩;汪凌锋;郑庆霄;高琳;李衍志;李雪冬设计研发完成，并于2025-01-09向国家知识产权局提交的专利申请。

本一种基于粗细粒度注意力的小目标医学超声图像分割方法在说明书摘要公布了：本发明公开了一种基于粗细粒度注意力的小目标医学超声图像分割方法，包括：S1、收集医学超声图像，并进行数据预处理，作为数据集；S2、使用数据集训练多尺度粗粒度‑细粒度通道注意力U‑Net模型，得到训练好的多尺度粗粒度‑细粒度通道注意力U‑Net模型；S3、将待小目标分割的医学超声图像输入训练好的多尺度粗粒度‑细粒度通道注意力U‑Net模型，得到小目标分割结果，本申请提升了目前小目标超声图像的分割精度，在跳跃连接中，利用门控信号与多尺度卷积扩张特征尺度，再利用SE模块与多尺度通道注意力模块进行粗粒度与细粒度通道处理的方法，提供了多尺度特征融合加权的方案。

本发明授权一种基于粗细粒度注意力的小目标医学超声图像分割方法在权利要求书中公布了：1.一种基于粗细粒度注意力的小目标医学超声图像分割方法，其特征在于，包括：S1、收集医学超声图像，并进行数据预处理，作为数据集；S2、使用数据集训练多尺度粗粒度-细粒度通道注意力U-Net模型，得到训练好的多尺度粗粒度-细粒度通道注意力U-Net模型；S2包括：S21、将数据集输入多尺度粗粒度-细粒度通道注意力U-Net模型，通过正向传播，从模型的输入开始，逐层计算每个神经元的输出，得到模型的预测值；S22、根据模型的预测值，通过复合损失函数计算分类概率图与标签之间的误差，并将分类概率图与标签之间的误差通过梯度反向传播得到网络模型的权重参数；复合损失函数Lossp,t的表达式为： 其中，wpos和wneg分别是正类和负类的权重，pi和ti是每个像素位置的预测值和目标值，i表示在每个图像中遍历的每个像素位置的索引，smooth为防止除零情况的非零极小数；S23、通过早停机制，保存训练过程中取得Dice评估值最高的模型参数，得到训练好的多尺度粗粒度-细粒度通道注意力U-Net模型；S3、将待小目标分割的医学超声图像输入训练好的多尺度粗粒度-细粒度通道注意力U-Net模型，得到小目标分割结果；S3包括：S31、将待小目标分割的医学超声图像输入训练好的多尺度粗粒度-细粒度通道注意力U-Net模型；S32、通过编码器逐步提取输入图像的特征，得到高级特征图；其中，随着编码器层级的深入，高级特征图的尺寸逐渐减小，特征通道的数量逐渐增加；S33、通过与编码器层数相同的解码器对高级特征图进行逐步上采样操作，恢复到原始输入图像的尺寸，得到测试图；S33包括：S331、通过解码器对高级特征图进行上采样操作，得到上采样图像；S332、将上采样图像作为门控信号输入多尺度粗粒度-细粒度通道注意力模块，将对应层级编码器提取的特征图作为传入特征输入多尺度粗粒度-细粒度通道注意力模块，进行自适应权重特征融合，得到融合加权特征图；解码器与对应层级的编码器的关系为：k+j＝n其中，k为解码器层数，j为对应的编码器层数，n为编码器或解码器的总层数；S332中，多尺度粗粒度-细粒度通道注意力模块对门控信号和传入特征的处理方法包括：S3321、对门控信号g分别进行3*3卷积和5*5卷积，得到门控信号g3和门控信号g5；S3322、对传入特征x分别进行3*3卷积和5*5卷积，得到传入特征x3和传入特征x5；S3323、将门控信号g3、门控信号g5、传入特征x3和传入特征x5进行拼接，得到特征组cat；S3324、将特征组cat输入SE模块，得到SE加权特征图；S3325、对SE加权特征图进行3*3卷积操作，得到特征组catse；S3326、将特征组catse输入多尺度通道注意力模块进行局部与全局注意力处理，得到权值s；权值s的表达式为：s＝catse⊙σBNReLUBNConv1x1catse+BNReLUBNConv1x1AvgPoolcatse其中，σ为Sigmoid激活函数，⊙表示逐元素乘法，Conv1×1表示1*1卷积操作，ReLU为ReLU函数，AvgPool表示平均池化操作，BN表示批量归一化层；S3327、根据权值s，得到融合加权特征图z，其表达式为：z＝x3*s+x5*1-s其中，x3表示传入特征x3，x5表示传入特征x5；S333、将融合加权特征图与上采样图像输入解码器依次进行拼接和特征融合，得到特征融合图；S334、通过解码器对特征融合图进行上采样操作，得到新的上采样图像；S335、重复执行S332-S334直到新的上采样图像恢复到原始输入图像的尺寸，得到测试图；S34、对测试图进行卷积，将测试图融合为1通道，并通过Sigmoid函数得到二值图，作为小目标分割结果。

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成都信息工程大学，其通讯地址为：610225 四川省成都市西南航空港经济开发区学府路1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”。