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！

龙图腾网恭喜重庆邮电大学申请的专利一种基于区域自注意力的结直肠息肉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：CN117237636B 。

龙图腾网通过国家知识产权局官网在2025-02-18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：202311212591.4，技术领域涉及：G06V10/26；该发明授权一种基于区域自注意力的结直肠息肉图像分割方法是由尹学辉;曾俊;侯天潇;唐朝;傅林琳;陈秋雨;武沛鑫设计研发完成，并于2023-09-20向国家知识产权局提交的专利申请。

本一种基于区域自注意力的结直肠息肉图像分割方法在说明书摘要公布了：本发明提供一种基于区域自注意力的结直肠息肉图像分割方法，包括：获取原始结直肠息肉图像训练数据集；利用原始结直肠息肉图像训练数据集对结直肠息肉分割模型进行训练，所述结直肠息肉分割模型包括：PVT特征编码器、CBAM模块、3个CFP模块、改进的Uper解码器、PAA‑d解码器、区域自注意力RSA模块；将待分割的结直肠息肉图像输入训练好的结直肠息肉分割模型得到息肉分割图，本发明通过改进的Uper解码器实现平滑且高效的多尺度特征融合，针对现有息肉分割模型不能很好地预测边界，边界区域出现类内不一致的问题，提出区域自注意力RSA模块加强上下文表示，获取更好的息肉分割结果，提高分割检测的精度。

本发明授权一种基于区域自注意力的结直肠息肉图像分割方法在权利要求书中公布了：1.一种基于区域自注意力的结直肠息肉图像分割方法，其特征在于，包括：S1：获取原始结直肠息肉图像训练数据集，所述原始结直肠息肉图像训练数据包括：原始结直肠息肉图像和对应的息肉分割图标签；S2：利用原始结直肠息肉图像训练数据集对结直肠息肉分割模型进行训练，所述结直肠息肉分割模型包括：PVT特征编码器、CBAM模块、3个CFP模块、改进的Uper解码器、PAA-d解码器、区域自注意力RSA模块；所述对结直肠息肉分割模型进行训练包括：S21：将原始结直肠息肉图像输入PVT特征编码器进行全局语义特征提取，得到低级特征F1和高级特征F2～F4；S22：将低级特征F1输入CBAM模块中得到低级浅层特征T1，将高级特征F2～F4分别输入三个CFP模块得到高级浅层特征T2～T4；S23：将高级特征F2～F4输入改进的Uper解码器进行解码得到第一中间特征C1，将T2～T4输入PAA-d解码器进行解码得到第二中间特征C2；S24：将第一中间特征C1、第二中间特征C2和低级浅层特征T1利用Concat函数进行拼接得到第一融合特征F'；将第一中间特征C1和第二中间特征C2分别进行1*1的卷积操作得到第一子中间特征P1和第二子中间特征P2；S25：将第一子中间特征P1和第一融合特征F′输入区域自注意力RSA模块得到第三中间特征P3′，将第二子中间特征P2和第一融合特征F'输入区域自注意力RSA模块得到第四中间特征P4′；将第三中间特征P3′和第四中间特征P4′分别进行1*1的卷积操作得到第三子中间特征P3和第四子中间特征P4；S26：将第一子中间特征P1、第二子中间特征P2、第三子中间特征P3和第四子中间特征P4利用Concat函数拼接后通过Fusion融合模块进行融合得到原始息肉分割图P；S27：根据第一子中间特征P1、第二子中间特征P2、第三子中间特征P3、第四子中间特征P4、原始息肉分割图P和原始结肠息肉图像对应的息肉分割图标签构建结直肠息肉分割模型的损失函数，以损失函数最小为优化目标对结直肠息肉分割模型的参数进行更新，完成结直肠息肉分割模型的训练；所述改进的Uper解码器包括：1个3*3的卷积模块、4个1*1的卷积模块、以及PPM模块；在改进的Uper解码器中3个1*1的卷积模块分别对高级特征F2～F4进行卷积操作得到特征F2v～F4′，PPM模块对高级特征F4进行全局语义感知得到特征D4；将特征F4′和特征D4进行特征相加得到L4；将特征L4和特征F3′进行特征相加得到特征L3；将特征L3和特征F2'进行特征相加得到L2；将特征L2、特征L3和特征L4利用Concat函数拼接后输入3*3的卷积模块得到特征N；将特征N输入剩余的1*1卷积模块得到第一中间特征C1；S3：将待分割的结直肠息肉图像输入训练好的结直肠息肉分割模型得到息肉分割图。

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重庆邮电大学，其通讯地址为：400065 重庆市南岸区南山街道崇文路2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”。