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！

龙图腾网恭喜太原理工大学申请的专利一种基于混合Transformer的多类型肺结节精准分割方法及模型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：CN115731387B 。

龙图腾网通过国家知识产权局官网在2025-05-13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：202211662984.0，技术领域涉及：G06V10/26；该发明授权一种基于混合Transformer的多类型肺结节精准分割方法及模型是由降爱莲;戴鸢;李啸天;李晓峰设计研发完成，并于2022-12-23向国家知识产权局提交的专利申请。

本一种基于混合Transformer的多类型肺结节精准分割方法及模型在说明书摘要公布了：本发明提供了一种基于混合Transformer的多类型肺结节精准分割方法及模型，属于肺部CT影像肺结节分割技术领域；解决了现有肺结节分割模型特征提取能力不够强、模型泛化性差的问题；包括如下步骤：构建数据集；构建肺结节分割模型：设计模型编码器中的多尺度卷积模块和通道注意力卷积模块；构建模型编码器中的Transformer模块：改进传统的Transformer结构，将池化操作和Transformer中的自注意力层结合；融合所设计的卷积模块和Transformer模块；构建模型解码器中的上采样模块；构建特征双向自适应融合模块：控制特征信息的双向融合过程；训练并保存分割模型；本发明用于肺部CT影像肺结节分割。

本发明授权一种基于混合Transformer的多类型肺结节精准分割方法及模型在权利要求书中公布了：1.一种基于混合Transformer的多类型肺结节精准分割方法，其特征在于：包括如下步骤：步骤S1：构建数据集：获取肺部CT影像，通过DicomViewer软件完成肺结节病灶区域的逐像素的标注工作，并对图像进行数据增强和数据增广；构建肺结节分割模型，具体包括：步骤S2：构建模型编码器中的卷积模块：根据图像分辨率和特征通道数间的关系，设计多尺度卷积模块（Module_Multi）和通道注意力卷积模块（Module_SE）；所述步骤S2中构建模型编码器中的卷积模块的具体步骤如下：步骤S2-1：构建多尺度卷积模块（Module_Multi）：在编码器浅层构建多尺度卷积模块提取局部邻域及邻域外的信息，包括以下子步骤：步骤S2-1-1：使用卷积核为1、3和5的三种卷积构成多尺度卷积单元，并在每个卷积后面使用批正则化和ReLU激活函数；步骤S2-1-2：使用卷积核为3的卷积、批正则化和ReLU激活函数组成普通卷积单元；步骤S2-1-3：使用一个多尺度卷积单元和两个普通卷积单元组成多尺度卷积模块；步骤S2-2：构建通道注意力卷积模块（Module_SE）：在编码器深层构建通道注意力卷积模块评判每个通道的重要程度，使各通道有效融合，包括以下子步骤：步骤S2-2-1：使用一个全局平均池化、两个卷积核为1的卷积、一个ReLU激活函数、一个Sigmoid激活函数构成通道注意力单元；步骤S2-2-2：使用卷积核为3的卷积、批正则化和ReLU激活函数组成普通卷积单元；步骤S2-2-3：使用一个通道注意力单元和三个普通卷积单元组成通道注意力卷积模块；步骤S3：构建模型编码器中的Transformer模块（Attention_Pool）：改进传统的Transformer结构，将池化操作和Transformer中的自注意力层结合；步骤S4：在模型编码器中融合S2构建的卷积模块和S3构建的Transformer模块；步骤S5：构建模型解码器中的上采样模块：对空洞卷积后的特征图进行分组和通道重排；步骤S6：构建特征双向自适应融合模块：通过在模型编解码器中间添加可学习的卷积模块，控制特征信息的双向融合过程；步骤S7：利用S1处理后的数据集对肺结节分割模型进行n折交叉训练，并用测试集输出肺结节分割图像，计算损失值；步骤S8：根据损失值的大小以及训练阶段的性能表现调整模型参数，生成并保存训练好的肺结节分割模型，使用评价指标评估肺结节的分割效果。

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太原理工大学，其通讯地址为：030024 山西省太原市迎泽西大街79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”。