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！

龙图腾网获悉陕西科技大学申请的专利一种基于动态可变形卷积与滑窗自适应互补注意力机制的医学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：CN116805318B 。

龙图腾网通过国家知识产权局官网在2026-05-05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：202310699196.7，技术领域涉及：G06T7/10；该发明授权一种基于动态可变形卷积与滑窗自适应互补注意力机制的医学图像分割方法是由雷涛;孙瑞;杜晓刚;杨子瑶;薛明园;闵重丹设计研发完成，并于2023-06-14向国家知识产权局提交的专利申请。

本一种基于动态可变形卷积与滑窗自适应互补注意力机制的医学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动态可变形卷积与滑窗自适应互补注意力机制的医学图像分割方法，提高对医学图像中微小病灶与形变较大的目标感知以及对分割目标与背景之间的判别能力。动态可变形卷积通过任务自适应学习，可以灵活改变权重系数和形变偏置，增强对图像局部特征的表达能力，实现对空间特征的自适应提取。滑窗自适应互补注意力机制通过权重系数自适应学习的自注意力分支实现对医学图像跨维度的全局建模，滑窗自适应互补注意力机制弥补了常规对空间与通道之间跨维度关系建模不足的缺陷，能够捕获图像中跨维度的长距离关联特征。且并行交互的方式结合不同分辨率下的局部与全局特征来增强表征学习，最大限度的保留医学图像中的局部特征与全局特征。

本发明授权一种基于动态可变形卷积与滑窗自适应互补注意力机制的医学图像分割方法在权利要求书中公布了：1.一种基于动态可变形卷积与滑窗自适应互补注意力机制的医学图像分割方法，其特征在于，包括： 1加载医学图像数据集并进行预处理； 2构建CNNs与Transformer融合网络并进行训练，CNNs与Transformer融合网络由双支路网络并行交互组成，动态可变形卷积操作在CNNs分支内，滑窗自适应互补注意力机制在Transformer分支内；动态可变形卷积能够根据特定的医学图像分割任务和数据分布，自适应地学习卷积核形变偏移量和卷积核权重系数，同时通过网络的反向传播实现端到端的训练，从而实现卷积核形状与权重的双重变化；滑窗自适应互补注意力机制具有四个可学习参数的Transformer自注意力分支，能够提取空间内的图像全局信息，并捕获空间与通道之间跨维度的长距离相关特征； 所述动态可变形卷积中卷积核的形状变化是基于网络对形变偏移量的学习，网络首先利用方形卷积核对输入特征图进行采样，接着与权重矩阵进行加权求和；形变偏移量的学习中的卷积核表示为： 此时输出特征图中的每个位置坐标表示为： 当在权重矩阵中引入形变偏移量后，为的总长度，则： 通过网络学习，最终得到一个与输入特征图相同尺寸的偏移量矩阵，矩阵维度是输入特征图的2倍； 所述动态可变形卷积中卷积核权重变化是通过引入权重系数来决定，对于权重系数的学习，常规卷积的特征图输出结果表示为： 其中为激活函数，为卷积核权重矩阵，引入权重系数之后，特征图经过动态可变形卷积后的输出结果为： 为权重系数的个数，是具有可学习参数的权重系数； 所述四个Transformer自注意力分支中，其中两个分支分别捕获通道和空间的相关性，另外两个分支分别捕获通道维度与空间维度以及通道维度与空间维度之间的相关性； 所述滑窗自适应互补注意力机制中采用移位窗口分区方法后，连续Transformer块的计算过程为： 其中和分别表示滑窗自适应互补注意力和紧致卷积投影的输出特征，W-ACAM代表窗口自适应互补注意力，SW-ACAM代表滑窗自适应互补注意力，LPM代表紧致卷积投影； 3输出CNNs分支和Transformer分支各自的分割预测结果；对分割预测结果进行融合判别，输出最终优化的分割结果。

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陕西科技大学，其通讯地址为：710021 陕西省西安市未央大学园区；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”。

以上内容由龙图腾AI智能生成。