買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉南昌航空大學申請的專利一種基于CNN和ViT混合架構的醫學圖像分割方法及系統獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN120107607B 。

龍圖騰網通過國家知識產權局官網在2025-08-19發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510593299.4，技術領域涉及：G06V10/26；該發明授權一種基于CNN和ViT混合架構的醫學圖像分割方法及系統是由張桂梅;馬尚可;曾濤;徐可設計研發完成，并于2025-05-09向國家知識產權局提交的專利申請。

本一種基于CNN和ViT混合架構的醫學圖像分割方法及系統在說明書摘要公布了：本發明具體公開了一種基于CNN和ViT混合架構的醫學圖像分割方法及系統，涉及醫學圖像處理技術領域。該方法包括：S1、獲取多個種類的醫學圖像數據集并進行預處理，按比例劃分為訓練集、驗證集與測試集；S2、構建基于CNN和ViT混合架構的分割模型，分割模型以U?Net網絡為基礎框架，包括編碼器、解碼器和邊緣優化模塊；S3、基于劃分的訓練數據集進行分割模型訓練；S4、計算醫學圖像分割模型的損失函數，使用Adam優化器更新參數，并在訓練過程中保存最優模型權重；S5、使用訓練好的分割模型對測試集數據進行測試。該方法有效緩解CNN感受野受限和ViT計算成本昂貴的問題，提升了病灶區域的分割精度。

本發明授權一種基于CNN和ViT混合架構的醫學圖像分割方法及系統在權利要求書中公布了：1.一種基于CNN和ViT混合架構的醫學圖像分割方法，其特征在于，步驟如下： 步驟S1、獲取多個種類的醫學圖像數據集，對原始數據進行預處理，生成預處理圖像；將處理完的數據按比例劃分為訓練集、驗證集與測試集； 步驟S2、構建基于CNN和ViT混合架構的分割模型，所述分割模型以U-Net網絡為基礎框架，包括編碼器、解碼器和邊緣優化模塊； 步驟S3、基于劃分的訓練數據集進行分割模型訓練； 步驟S4、計算醫學圖像分割模型的損失函數，使用Adam優化器更新參數，并在訓練過程中保存最優模型權重； 步驟S5、使用訓練好的分割模型對測試集數據進行測試； 在步驟S2中，所述編碼器包括四層編碼層，每層包括多尺度特征提取模塊和語義增強模塊；所述解碼器包括四層解碼層，每層同樣包括多尺度特征提取模塊和語義增強模塊；位于同一層的編碼層和解碼層之間采用跳躍連接，在瓶頸層處引入頻域信息；所述多尺度特征提取模塊對輸入圖像進行多尺度的特征語義信息提取，所述語義增強模塊增強不同語義信息之間的相關性；最后一個解碼層輸出經上采樣得到粗分割結果，再通過邊緣不確定引導模塊進行細化，得出最終輸出預測結果； 編碼器階段，將輸入的特征圖通過多尺度特征提取模塊和語義增強模塊進行下采樣處理后輸入至下一層編碼層，經特征圖的逐層下采樣，空間分辨率逐層減小，通道數逐層增大，編碼器階段的下采樣公式如下： ； ； ； ； 其中，為3×3卷積操作，為語義增強模塊，為多尺度特征提取模塊，為第一層編碼層的輸出，為第二層編碼層的輸出，為第三層編碼層的輸出，為第四層編碼層的輸出； 在瓶頸層處引入額外的頻域特征，采用小波變換WT將輸入分解為低頻和高頻分量，并在深度卷積提取特征后，通過逆小波變換IWT進行重構，公式如下： ； 其中，為逆小波變換后的輸出結果，為經過大小為k×k的卷積核后的權重向量； 解碼器階段，每一層解碼層的輸入為上一層解碼層的輸出特征圖經上采樣處理結果與同一層編碼層的輸出特征圖采用元素點求和進行特征融合，經特征圖的逐層上采樣，空間分辨率逐層恢復，通道數逐層減小，最終分割模型生成粗分割結果； 所述邊緣不確定引導模塊優化和重塑粗分割結果中邊界模糊區域的不確定性像素，具體是通過結合淺層特征、不確定映射和局部特征匹配生成細化掩碼，對粗分割結果進行優化，得出最終的預測分割結果； 所述淺層特征是第一層編碼層的輸出； 所述不確定映射根據粗分割結果的概率圖計算得出，公式如下： ； 其中，為不確定映射，取值范圍為；、分別表示像素的最大概率值和最小概率值，為指數函數計算； 所述局部特征是不確定映射經加權局部平均生成，公式如下： ； ； 其中，為局部特征，表示歸一化因子，是防止分母為零的小值，為像素點，為細化后的像素點，為該像素屬于目標類別的概率，為淺層特征，為像素的鄰域區域； 通過結合淺層特征、不確定映射和局部特征匹配生成細化掩碼，計算公式如下： ； ； 其中，為在像素處的置信度分數，為置信模塊； 對粗分割結果進行優化，得出最終的預測分割結果，公式如下： ； 其中，為預測分割結果； 所述置信模塊包括3×3卷積、Relu激活函數和殘差連接；其中，在主分支上應用3×3卷積進行特征提取，在殘差分支上同樣應用3×3卷積進行特征提取，最后將主分支輸出和殘差分支輸出逐元素相加；在進行卷積操作前應用Relu激活函數。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人南昌航空大學，其通訊地址為：330063 江西省南昌市新建區豐和南大道696號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。