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！

龙图腾网恭喜齐鲁工业大学(山东省科学院);山东省人工智能研究院申请的专利用于光学放大原理医学图像的多阶段渐进式超分辨率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：CN119359546B 。

龙图腾网通过国家知识产权局官网在2025-05-27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：202411918507.5，技术领域涉及：G06T3/4053；该发明授权用于光学放大原理医学图像的多阶段渐进式超分辨率方法是由李金宝;李明轩;陈现栋;高天雷;刘齐家设计研发完成，并于2024-12-25向国家知识产权局提交的专利申请。

本用于光学放大原理医学图像的多阶段渐进式超分辨率方法在说明书摘要公布了：本发明涉及医学图像处理技术领域，尤其涉及一种用于光学放大原理医学图像的多阶段渐进式超分辨率方法，具体如下：收集用于光学放大原理的医学图像构成数据集，对数据集中医学图像进行预处理，得到预处理后的数据集；构建多阶段渐进式多种注意力网络模型，该模型包括三个阶段，第一个阶段和第二个阶段均包含浅层特征提取模块、初始特征提取模块和监督注意力模块，第三个阶段包含浅层特征提取模块、初始特征提取模块和图像重建模块，将低分辨率图像输入至该模型进行特征提取，最后生成光学放大原理高分辨率医学图像；对模型进行训练得到最终结果，本发明可以修复细节和细化医学图像，进而生成更清晰的光学放大原理医学图像。

本发明授权用于光学放大原理医学图像的多阶段渐进式超分辨率方法在权利要求书中公布了：1.一种用于光学放大原理医学图像的多阶段渐进式超分辨率方法，其特征是，包括以下步骤：S1、收集用于光学放大原理的医学图像构成数据集，医学图像包括低分辨率图像和原始高分辨率图像，并对数据集中的低分辨率医学图像进行预处理，得到预处理后的数据集，然后将数据集划分为训练集合、验证集和测试集；S2、构建多阶段渐进式多种注意力网络模型，该模型包括三个阶段，第一个阶段和第二个阶段均包含浅层特征提取模块、初始特征提取模块和监督注意力模块，第三个阶段包含浅层特征提取模块、初始特征提取模块和图像重建模块，将低分辨率图像输出至该模型进行特征提取，最后生成光学放大原理高分辨率医学图像；将低分辨率图像输出至该模型进行特征提取：低分辨率图像依次经过三个阶段，低分辨率图像输入至第一个阶段，将第一个阶段的输出和低分辨率图像作为第二个阶段的输入，再第二个阶段的输出和低分辨率图像作为第三个阶段的输入，第三个阶段最后输出光学放大原理高分辨率医学图像；第一个阶段：首先将输入的低分辨率图像按照小尺度划分，然后将划分结果分别输入至第一个阶段的浅层特征提取模块，得到小尺度浅层特征、、和，再将浅层特征提取模块的结果分别输入至第一个阶段的初始特征提取模块进行初步特征捕捉，再将捕捉到的小尺度初始特征进行图像尺寸拼接得到初始特征，最后将初始特征和低分辨率图像输入至第一个阶段的监督注意力模块，得到第一个阶段的最终输出；其中，，表示高度，表示宽度，表示输入的低分辨率图像的通道数，、、、，表示第一个阶段的浅层特征提取模块输出的特征的通道数；第一个阶段的浅层特征提取模块由一个卷积核大小为3、步长为1的卷积构成；第一个阶段的初始特征提取模块实质是多种注意力组，多种注意力组包括整体通道注意力模块、多重卷积特征融合模块和双重注意力模块，其中多重卷积特征融合模块包括通道重建单元、空间重建单元和标准卷积组；第二个阶段：首先将输入的低分辨率图像按照中尺度划分，然后将划分结果分别输入至第二个阶段的浅层特征提取模块，得到中尺度浅层特征和，再将浅层特征提取模块的结果和第一个阶段的监督注意力模块的输出分别输入至第二个阶段的初始特征提取模块进行初步特征捕捉，再将捕捉到的中尺度初始特征进行图像尺寸拼接得到初始特征，最后将初始特征和低分辨率图像输入至第二个阶段的监督注意力模块，得到第二个阶段的最终输出；其中，、，表示第二个阶段的浅层特征提取模块输出的特征的通道数；第二个阶段的浅层特征提取模块由一个卷积核大小为3、步长为1的卷积构成；第二个阶段的初始特征提取模块结构与第一阶段的初始特征提取模块相同；第三个阶段：首先将输入的低分辨率图像按照大尺度划分，然后将划分结果分别输入至第三个阶段的浅层特征提取模块，得到大尺度浅层特征，再将浅层特征提取模块的结果和第二个阶段的监督注意力模块的输出分别输入至第三个阶段的初始特征提取模块进行初步特征捕捉，再将捕捉到的大尺度初始特征进行图像尺寸拼接得到初始特征，最后将初始特征和低分辨率图像输入至第三个阶段的监督注意力模块，得到第三个阶段的最终输出，即光学放大原理高分辨率医学图像；其中，，表示第三个阶段的浅层特征提取模块输出的特征的通道数；第三个阶段的浅层特征提取模块由一个卷积核大小为3、步长为1的卷积构成；第三个阶段的初始特征提取模块结构与第一阶段的初始特征提取模块相同；S3、将训练集、验证集和测试集中的数据依次输入至多阶段渐进式多种注意力网络模型，将训练集中数据输入至模型中并结合损失函数对模型进行训练，再将验证集中数据输入至训练后的模型中并结合评价指标对模型参数进行调整，最后将测试集中数据输入至调整后的模型中测试模型并输出最终结果。

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齐鲁工业大学(山东省科学院);山东省人工智能研究院，其通讯地址为：250353 山东省济南市长清区大学路3501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”。