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！

龙图腾网恭喜杭州电子科技大学申请的专利一种基于深度学习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：CN114972364B 。

龙图腾网通过国家知识产权局官网在2025-04-25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：202210550464.4，技术领域涉及：G06T7/10；该发明授权一种基于深度学习的结直肠息肉图像分割方法是由马立栋;颜成钢;高宇涵;孙垚棋;张继勇;李宗鹏设计研发完成，并于2022-05-18向国家知识产权局提交的专利申请。

本一种基于深度学习的结直肠息肉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深度学习的结直肠息肉图像分割方法。首先获取结直肠息肉分割数据集；进行数据预处理；再构建基于深度学习的结直肠息肉图像分割模型；通过训练集对构建好的基于深度学习的结直肠息肉图像分割模型训练，对每一级预测结果使用结构损失函数进行监督学习，并且将最后一级的预测结果作为最终的预测结果；本发明基于深度学习来构建结直肠息肉图像分割模型，对结直肠息肉分割图像的特征进行精确提取并且细节保留完整，利用显著性目标检测中效果较好的结构损失函数对结果进行监督学习，使得预测结果更加准确，具有较强的鲁棒性，从而实现对结直肠息肉图像的精确分割。

本发明授权一种基于深度学习的结直肠息肉图像分割方法在权利要求书中公布了：1.一种基于深度学习的结直肠息肉图像分割方法，其特征在于，包括以下步骤：步骤1、获取结直肠息肉分割数据集；步骤2、数据预处理；将结直肠息肉分割图像通过双线性插值算法裁剪为352×352尺寸；步骤3、构建基于深度学习的结直肠息肉图像分割模型；所述的基于深度学习的结直肠息肉图像分割模型包括一个ResNet50特征提取模块，三个CBR模块，搜索定位模块以及三个识别细化边界模块RRM；首先，输入图像通过ResNet50特征提取模块获得5个由浅层到深层的特征X1、X2、X3、X4和X5；接着将X1、X2和X3通过CBR模块进行特征增强；然后，使用搜索定位模块融合三个深层的特征X1、X2、X3，从而得到粗略的预测结果P1；最后,使用识别细化边界模块通过级联的方式得到精确的预测结果P2,P3，P4；步骤4、通过训练集对构建好的基于深度学习的结直肠息肉图像分割模型训练，对每一级预测结果使用结构损失函数进行监督学习，并且将最后一级的预测结果作为最终的预测结果；步骤5、对模型训练结果加以验证，将测试集的数据输入到训练好的模型中，然后获取预测结果，与真实结果对比验证是否有效；预测结果和真实结果都是只有0和1的二值化图像，通过相减的方式获取一张图不同的像素点，然后除以整张图总像素数就是MAE指标，该指标越小越好；所述搜索定位模块由三个non-local模块和一个特征聚合解码器组成，用于融合三个输入的信息，保留有用的细节，去除其中的噪声，从而得到一个粗略的预测结果；将ResNet50特征提取模块获得X1，X2和X3特征分别通过一个non-local模块，从而得到Z1，Z2和Z3特征；将Z1，Z2和Z3特征输入到特征聚合解码器中，得到粗略的全局预测结果P1；所述的non-local模块，用于对特征进行增强，捕获长距离依赖，使特征有丰富的上下文信息，增加息肉搜索的准确性；具体地说，输入一个特征X通过三个1×1卷积并进行reshape得到三个不同的特征Y1、Y2和Y3；Y1和Y2进行矩阵乘法运算得到的结果通过Sigmoid函数然后与Y3进行矩阵乘法运算，从而得到长距离依赖特征，该特征经过一个1×1卷积后与特征X相加得到最终增强的特征Z；所述特征聚合解码器即FAD模块，将多层特征进行聚合来生成一个粗略的息肉分割预测图；FAD模块使用金字塔结构，以渐近的方式分层聚合相邻特征，将重点关注在相邻特征节点，使得聚合细节和语义信息并丢弃干扰信息；运算步骤依次为：输入Z1、Z2和Z3特征，将Z1和Z2特征通过上采样到与Z3特征同大小尺寸；将Z1和Z2进行点乘操作，随后通过一个卷积层得到Z12；将Z2和Z3进行点乘操作，随后通过一个卷积层得到Z23；然后将Z12和Z23特征进行点乘操作，随后通过一个卷积层；最后通过一个1×1卷积层得到粗略的全局预测结果P1；所述结构损失函数来源于显著性目标检测，它由二值交叉熵损失和交并比损失组成，所述结构损失函数如下：L＝Lwbce+Lwiou所述二值交叉熵损失Lwbce表达式如下： H为输出高度，W为输出宽度，gij表示groundtruth对应像素点i，j的值，pij表示预测结果对应像素点i，j的值，γ是个超参数；αij表示像素点i，j的权重；所述αij的表达式如下： Aij代表像素点i，j上下左右15个像素范围的区域；如果αij越大，则说明该点像素i，j与周围像素不同，因此这是一个重要的像素，需要得到更多的关注；所述交并比损失Lwiou表达式如下：

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市下沙高教园区2号大街；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”。