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！

龍圖騰網獲悉吉林大學第一醫院申請的專利一種多尺度語義匹配的膀胱腫瘤圖像分割方法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：CN114842030B 。

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：202210507923.0，技術領域涉及：G06V10/26；該發明授權一種多尺度語義匹配的膀胱腫瘤圖像分割方法是由王偉剛;馬智勇;谷一鳴;鄭宗宇;王頌設計研發完成，并于2022-05-11向國家知識產權局提交的專利申請。

本一種多尺度語義匹配的膀胱腫瘤圖像分割方法在說明書摘要公布了：一種多尺度語義匹配的膀胱腫瘤圖像分割方法，屬于醫學圖像處理和計算機視覺技術領域，本發明將淺層特征通過語義匹配模塊進行語義增強，減輕了深層特征與淺層特征兩者之間語義差別太大導致的語義鴻溝，使融合的特征中包含更多的上下文信息，保留更多有用信息，減少直接融合帶來的噪聲。注意力池化使得樣本少、邊界部分的特征在下采樣時得到充分的保留，基于權重的交叉熵損失也為分類較為困難的不確定區域增加了更多的注意力，從而實現了抑制無關區域的響應、保留更多有益信息，獲得了更優異的膀胱腫瘤圖像分割效果。

本發明授權一種多尺度語義匹配的膀胱腫瘤圖像分割方法在權利要求書中公布了：1.一種多尺度語義匹配的膀胱腫瘤圖像分割方法，其特征是：包括以下步驟，且以下步驟順次進行， 步驟一、采用語義匹配模塊，在深層特征與淺層特征融合前使用語義匹配模塊對淺層特征進行增強，對內窺鏡采集的圖像中病灶邊緣的淺層信息特征增強，擴大淺層特征接受域，減少淺層特征與深層特征之間的語義差異，獲得上下文信息，將圖像中病灶邊緣的淺層信息保留； 淺層特征的語義匹配模塊為 f1＝FF0 F0為編碼階段的淺層特征，F·操作通過3*3卷積實現通道壓縮，將通道數變為原先的14，除去一部分冗余特征減少計算量；f1為第一步獲得通道壓縮后的淺層特征，f11為淺層特征通過語義匹配模塊增強后的特征，fj p·操作是3*3的空洞卷積，j為其膨脹率；D·表示對膨脹卷積后的特征進行3*3卷積和ReLU非線性激活操作，F’表示對不同膨脹率的特征進行聚合，包含concat、BatchNormalization和ReLU操作； 步驟二、通過注意力池化對圖像子區域內的每個位置根據其特征響應的大小分配權重，將輸入特征圖劃分為1個以上矩形區域，獲取子區域內的最值，在每個區間分配相同的權重，使特征響應在池化過程中同等級保留，特征響應占比少、較為重要的特征得到更大的權重，獲得降噪后的特征圖； 步驟三、通過深度神經網絡獲得熱力圖，通過反向注意力將分類圖中特征響應在0.5的位置進行損失權重計算， U＝0.5-absn-0.5 Lseg＝-U*[yt*logyp+1-yt*log1-yp] 其中U為損失的注意力，n為輸入的特征響應，Lseg為帶權重的交叉熵損失，yt為標簽值，yp為預測值； 損失計算分配權重，使特征圖中分類不明確區域內的損失更大，通過反向傳播進行參數優化后這分類不明確區域得到更多關注，獲得高分類準確性特征圖； 所述注意力池化將輸入特征圖劃分為若干矩形區域，找出子區域內的最值，然后將子區域內的特征響應劃分為4個區間，判斷區域內4個位置都分屬哪個區間，再根據區間的個數分配每個位置相應的權重，得到最終的注意力池化結果，其結果如下： 其中，ykij表示第k個特征圖中矩形區域Rij的注意力池化輸出值，xkpq表示Rij中位于p，q處的元素，wkpq表示Rij中位于p，q處元素在池化時占的權重；wkpq計算如下： wkpq＝1i*m 其中，權重的總量為1，i表示Rij區域特征分布共有幾個區間，m表示xkpq的那個區間有幾個特征；每個區間分配了相同的權重，從而使特征在池化過程中得到了同等程度的保留，避免了最大、最小池化造成池化結果偏向于占比多的特征響應。

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吉林大學第一醫院，其通訊地址為：130021 吉林省長春市新民大街71號吉大一院泌尿外二科；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”。