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！

龙图腾网恭喜西南石油大学申请的专利基于密集编码器和混合注意力的皮肤病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：CN116205888B 。

龙图腾网通过国家知识产权局官网在2025-04-08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：202310220911.4，技术领域涉及：G06T7/00；该发明授权基于密集编码器和混合注意力的皮肤病图像分割方法是由王龙业;肖越;曾晓莉;李文涛;黄鋆;易婷设计研发完成，并于2023-03-09向国家知识产权局提交的专利申请。

本基于密集编码器和混合注意力的皮肤病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密集编码器和混合注意力的皮肤病图像分割方法。具体步骤是：首先将ISIC2017数据集原始图片宽度作为裁剪后的边长，并依据图片中心进行自动裁剪，裁剪后再对图片进行缩放。然后，在编码部分运用密集编码模块强特征提取，根据特征图内每个特征点关联性程度大小进行加权提出高斯池化层，设计高效混合注意力机制在空间与通道两个维度提取特征。最后，在输出层两侧构建一个加权的辅助损失函数计算网络结构总损失，生成最终的分割图。

本发明授权基于密集编码器和混合注意力的皮肤病图像分割方法在权利要求书中公布了：1.一种基于密集编码器和混合注意力的皮肤病分割方法，其特征在于，主要包括以下步骤：S1、数据预处理：将数据集原始图片宽度作为裁剪后的边长，并依据图片中心进行自动裁剪，裁剪后的图片进行缩放形成尺寸为256×256像素的图片；S2、特征提取：将S1中得到的数据使用构建的密集编码器和混合注意力作为特征提取网络，对数据进行多尺度特征提取；S3、特征解码：利用S2提取的特征恢复到原图尺寸,通过辅助损失函数更新参数训练模型，最终得到分割结果；所述步骤S2包括如下步骤：特征提取主干网络由卷积神经网络搭建构成，具体网络结构为：S21、编码部分运用密集编码模块提取多尺度特征，每个密集连接模块由一个3×3卷积核、两个3×3的深度可分离卷积核、批归一化、Relu激活函数和空洞空间金字塔池化组成；S22、密集连接层与后续层特征融合，每一层根据上一层的输出学习新特征，将前三层的特征图连接Concat，多尺度融合的特征继续作为下一层的输入；S23、构建全局高斯池化层，根据特征图内每个特征点关联性程度大小进行统计加权，其中xi代表第i个一维特征向量，N代表一维特征向量的数量，显著特征值计算如公式所示： 参数c表示高斯函数曲线的曲率，c的数值越大，高斯曲线越平缓，c的数值越小，高斯曲线越陡峭，参数c的计算如公式所示： 高斯权重表示池化区域内每一个元素距离显著特征值b的关联程度，其中参数a＝1，b表示显著特征值，c为池化区域内元素的曲率大小，为了防止曲率c为0，导致训练中断的问题，使用ξ进行调节，取值为0.1，高斯权重的计算公式为： 根据每个元素的高斯权值加权融合，得到一个具有多个重要性元素特征的一维特征向量，全局高斯池化的公式为： S24、特征输入通道注意力机制，即进行全局均值池化后再通过一维卷积完成跨通道间的信息交互，卷积核的大小由自适应函数确定，通道数较大的层可以更多地进行跨通道交互，自适应函数公式如下所示： C为通道数，其中b＝1，γ＝2；S25、输入特征按空间进行最大池化、全局均值池化和全局高斯池化，将池化层生成的三个二维向量拼接后通过sigmoid分配权重，跨通道注意力和全局空间注意力提取的特征进行多尺度融合后再通过密集残差连接层。

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西南石油大学，其通讯地址为：610500 四川省成都市新都区新都大道8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”。