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！

龙图腾网获悉浙江理工大学申请的专利基于SFE-DBnet的医疗化验单影像文本检测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：CN116343208B 。

龙图腾网通过国家知识产权局官网在2026-04-28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：202310160218.2，技术领域涉及：G06V30/14；该发明授权基于SFE-DBnet的医疗化验单影像文本检测方法是由沈琪浩;任佳;张耀辉设计研发完成，并于2023-02-24向国家知识产权局提交的专利申请。

本基于SFE-DBnet的医疗化验单影像文本检测方法在说明书摘要公布了：本发明公开了一种基于SFE‑DBnet的医疗化验单影像文本检测方法，过程为：获取医疗化验单的图像并在计算机中输入SFE‑DBnet网络后，获得预测候选框来对化验单中的文本进行标记；SFE‑DBnet网络基于DBnet网络构建，包括通过结合了注意力机制模块CBAM和聚合残差块的ResNext50的主干网络来提取特征，再通过FPEM_FFM模块进行多尺度特征提取和融合，再经过BLSTM网络进行水平方向空间序列特征提取获得特征图。本发明的SFE‑DBnet网络能够有效地对医疗化验单中序号、项目名称、英文名、测定值、标志、单位、参考区间和检验方法等文本进行检测识别，检测能力得到了提升。

本发明授权基于SFE-DBnet的医疗化验单影像文本检测方法在权利要求书中公布了：1.一种基于SFE-DBnet的医疗化验单影像文本检测方法，其特征在于:具体过程为：获取医疗化验单的图像并在计算机中输入SFE-DBnet网络，最终获得预测候选框来对化验单中的文本进行标记； 所述SFE-DBnet网络基于DBnet网络构建，包括通过结合了注意力机制模块CBAM和聚合残差块的ResNext50的主干网络来提取特征，再通过FPEM_FFM模块进行多尺度特征提取和融合，再经过BLSTM网络进行水平方向空间序列特征提取获得特征图； 注意力机制模块CBAM将H×W×C的特征图F输入后先进行最大池化和平均池化得到两个1×C的通道描述，再将两者分别输入同一个两层神经网络，最后将得到的两个特征经过一个Leaky_ReLU激活函数得到权重系数计算公式为： 1 式1中：σ表示为Leaky_ReLU函数；MLP为多层感知机，Avgpool为平均池化，Maxppol为最大池化，W为权重，F为输入特征；计算得到的通道注意力权重系数与输入的特征F相乘，得到缩放后新特征：； 生成的新特征作为空间注意力模块的输入，其大小依旧为H×W×C，在空间注意力模块中，先对输入特征图分别进行平均池化和最大池化的操作得到两个H×W×1的通道描述图，再用concatention操作将它们的特征通道合并一个有效的特征层，最后通过一个7×7的卷积层和LeakyReLU激活函数生成H×W×1的空间注意力图，计算公式为： 2 式2中：与大小为H×W×1；表示为滤波器大小为7×7的卷积运算；将式2中得到的与输入特征相乘即可得到新的特征图； 所述主干网络包括依次连接的卷积层、最大池化层、三个聚合残差块ResNextblock、一个注意力机制模块CBAM、一个聚合残差块ResNextblock和注意力机制模块CBAM； 所述FPEM_FFM模块作为neck部分，包括特征金字塔增强模块FPEM和特征融合模块FFM，特征金字塔增强模块FPEM的输出作为特征融合模块FFM的输入； 所述SFE-DBnet网络的训练和测试过程为：采集化验单图像并建立训练集和测试集，设定训练参数包括学习率、num_work、batch_size和epoch，将训练集输入SFE-DBnet网络中，训练过程中计算损失函数值并反向传播迭代优化模型参数，达到预设epoch结束训练；然后将测试集输入训练好的模型，获得交并比然后采用查准率、查全率、调和平均数值作为评测指标，从而获得可在线使用的SFE-DBnet网络； 使用的损失函数为： 9； 其中，Ls为概率图的损失、Lb是二值图的损失、Lt是阈值图的损失，α、β分别设置为1和10。

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浙江理工大学，其通讯地址为：310018 浙江省杭州市下沙高教园区2号大街928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”。

以上内容由龙图腾AI智能生成。