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！

申请/专利权人：北京航空航天大学

摘要：提供了一种基于多尺度SAM的病理图像单细胞分割方法，包括以下步骤：以SAM模型为基础，在SAM模型的图像编码器加入多尺度卷积模块FAM‑MCM、聚合连接模块，以及在编码器和解码器部分各插入一个适配器模块得到基于注意力机制和适配器组合的多尺度分割网络模型；利用该基于注意力机制和适配器组合的多尺度分割网络模型对病理图像中的单细胞进行分割并输出分割结果。

主权项：1.一种基于多尺度SAM的病理图像单细胞分割方法，其特征在于包括以下步骤：以SAM模型为基础，在SAM模型的图像编码器加入多尺度卷积模块FAM-MCM、聚合连接模块，以及在编码器和解码器部分各插入一个适配器模块得到基于注意力机制和适配器组合的多尺度分割网络模型；利用该基于注意力机制和适配器组合的多尺度分割网络模型对病理图像中的单细胞进行分割并输出分割结果；其中，多尺度卷积模块FAM-MCM由依次连接的维度匹配模块、空间注意力模块和通道注意力模块构成，维度匹配模块包括重复的三组池化-卷积模块、层标准化模块和GELU模块；空间注意力模块首先应用第一卷积层得到attn1，接着对attn1应用空间卷积层得到attn2，然后对于attn1和attn2应用降维卷积层，接着利用torch.cat函数，沿着通道维度连接attn1和attn2的输出得到attn，然后对attn应用mean和max函数，计算平均和最大注意力avg_attn和max_attn，再次利用torch.cat函数连接avg_attn和max_attn，然后应用挤压卷积层，并应用Sigmoid激活函数得到第一注意力图，再将attn1和attn2与第一注意力图进行加权相加得到attn’，利用第二卷积层将通道维度扩展回原始大小得到第二注意力图后与原始输入相乘后输出；通道注意力模块首先应用第三卷积层得到c1，接着使用第四卷积层、最大池化，再通过两个重复的Conv3-Relu模块，然后应用第五卷积层，并随之进行双线性插值强化图像，得到c3，接着对c1应用第六卷积层得到c2，将c2与c3逐元素相加得到c4，对c4使用第七卷积层，再利用sigmoid激活函数得到m，最后将m乘以通道注意力模块的初始输入x作为最终输出。

全文数据：

权利要求：

百度查询： 北京航空航天大学 基于多尺度SAM的病理图像单细胞分割方法