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！

龙图腾网获悉泰山学院申请的专利基于大核注意力机制的医学图像融合方法及系统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：CN119323523B 。

龙图腾网通过国家知识产权局官网在2025-06-24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：202411854221.5，技术领域涉及：G06T5/50；该发明授权基于大核注意力机制的医学图像融合方法及系统是由陶体伟;王琳琳;冯玲;王浩淼;朱向彩;刘文玲;赵之光设计研发完成，并于2024-12-17向国家知识产权局提交的专利申请。

本基于大核注意力机制的医学图像融合方法及系统在说明书摘要公布了：本发明提出了一种基于大核注意力机制的医学图像融合方法及系统，属于医学图像融合技术领域。通过引入大核注意力机制和频域变换处理，并结合多尺度卷积操作、通道注意力和空间注意力机制，使得融合图像在全局信息和局部细节的保留上达到更高的平衡。同时，通过在频域中对幅度和相位信息的分离处理，实现了图像细节和结构的精确融合，避免了传统方法中常见的伪影和模糊问题。此外，本发明设计了一种密集连接的解码器模块，增强了图像重建时的细节保留能力，并通过自适应的特征融合机制，在处理不同模态图像特征时更加智能、精准。

本发明授权基于大核注意力机制的医学图像融合方法及系统在权利要求书中公布了：1.一种基于大核注意力机制的医学图像融合方法，其特征在于，包括： 获取多模态医学图像，并对获取的多模态医学图像进行预处理； 将预处理后的多模态医学图像输入到双分支编码器中，通过多尺度卷积层进行初步特征提取；利用大核注意力机制对初步提取的特征进行组归一化、投影和分割处理，获取分割后的多个特征、、；、、为由a分割的医学图像特征，a由投影后的特征分割而来，如下所示： ； ； 将分割后多个特征分别输入到不同尺度的大核注意力子模块和相应的空间特征提取卷积层中，获取图像的全局和局部特征，将所述全局和局部特征进行拼接处理后投影至原始维度；其中，获取图像的全局和局部特征为： 式中，、、为通过不同尺度的大核注意力子模块处理后得到的全局特征图；、、为通过不同尺度的空间特征提取卷积层处理后得到的局部特征图；LKA3、LKA5、LKA7为不同尺度的大核注意力子模块；X3、X5、X7为对应的3x3、5x5、7x7空间特征提取卷积层； 利用频谱动态聚合对投影到原始维度的多尺度特征进行傅里叶变换，并对多尺度特征的幅度和相位信息进行处理，实现在频域上的动态聚合；具体为： 频谱动态聚合模块对投影到原始维度的多尺度特征进行傅里叶变换，将其从空间域转换到频域，分别得到特征的幅度和相位信息； ； ； 其中，表示傅里叶变换操作，和分别表示MRI和PET图像特征在频域中的表示；经过傅里叶变换后，特征被分解为幅度信息和相位信息； ； ； 其中，和分别为从傅里叶变换后的MRI和PET特征中提取的幅度信息，和为相位信息，为复平面上的欧拉表示，i为虚数单位，为相位角； 使用卷积层和非线性激活函数来增强幅度信息，幅度信息的处理表示为： ； ； 和是从傅里叶变换后的MRI和PET特征中提取的幅度信息，表示用于增强幅度信息的卷积层，是非线性激活函数；处理后的幅度信息通过第二个卷积层进行调整； 将处理后的幅度信息和重新组合回频域特征； 采用卷积操作和注意力机制对相位信息进行动态调整； 从傅里叶变换后的MRI和PET特征中提取相位信息和： ； ； 输入的相位信息和通过卷积层进行处理，增强相位信息中包含的边缘、细节重要特征；这个过程通过以下公式表示： ； ； 通过计算相位信息的权重，根据权重对处理后的相位信息进行加权，以增强对关键区域的关注；相位重要性权重的计算公式为： ； ； 使用相位重要性权重对相位信息进行加权处理： ； ； 式中，是通过卷积层生成的相位权重，使用激活函数将权重控制在的范围内；在相位重要性加权处理完成后，得到的和是已经增强了细节和纹理的相位信息； 将加权后的相位信息与处理后的幅度信息相结合，以生成新的复数特征表示： ； ； 对处理后的频域特征通过逆傅里叶变换返回到空间域，生成新的空间特征；逆傅里叶变换的公式为： ； ； 引入可学习的缩放参数，动态调整输出特征的幅度： ； ； 其中，是一个与每个通道对应的可学习参数，通过训练逐步学习到每个通道的最佳缩放比例； 通过残差连接中将原始输入特征和与经过缩放调整的特征和相加: ； ； 得到最终的傅里叶变换后的特征和； 利用多尺度卷积、通道注意力和空间注意力机制对傅里叶变换后的特征进行处理，实现对不同模态、不同区域特征的自适应融合以及自适应权重调整；具体的， 对最终傅里叶变换后的特征进行多尺度卷积处理，得到各尺度特征表示； 对于得到的各尺度特征表示，进行自适应平均池化操作，提取每个通道的全局信息: 将池化后的结果通过两层卷积计算出通道的注意力权重和，其中； ； 对频域特征进行加权： ； ； 利用空间注意力机制对加权后的频域特征进行空间加权；其中，使用卷积操作提取空间注意力权重和: ； ； 使用空间注意力权重对频域特征进行加权: ； ； 在通道和空间加权处理后，使用卷积对融合后的频域特征进行处理，确保通道维度的一致性: ； 使用残差连接将原始的频域待征和与加权后的融合特征相加，生成最终的频域融合待征： ； 其中，为最终的频域融合待征； 利用密集连接解码器对融合后的特征进行处理，获取最终融合后的图像表示，具体的，所述密集连接解码器将融合特征先扩展到高维空间，再通过多个密集连接块进行特征优化，每个密集连接块内部采用连续的卷积操作和特征拼接。

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泰山学院，其通讯地址为：271000 山东省泰安市岱岳区东岳大街525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”。