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！

龙图腾网恭喜重庆邮电大学申请的专利一种基于多领域半监督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：CN115861164B 。

龙图腾网通过国家知识产权局官网在2025-04-08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：202211130790.6，技术领域涉及：G06T7/00；该发明授权一种基于多领域半监督的医学图像分割方法是由舒禹程;李恒博;肖斌;李伟生设计研发完成，并于2022-09-16向国家知识产权局提交的专利申请。

本一种基于多领域半监督的医学图像分割方法在说明书摘要公布了：本发明属于计算机视觉与医学影像融合领域，具体涉及一种基于多领域半监督的医学图像分割方法，包括：构建半监督教师学生分割模型并训练，将待分割的异化领域数据输入训练好的分割模型，得到分割结果；本发明教师学生网络挖掘大量无标签的多领域医学图像的高级语义特征，采用自注意力解纠缠机制的网络提取领域特征以及分割部位特征，使用领域特征相似筛选机制和多领域高级语义对比损失函数进行鲁棒学习，引入指数滑动平均算法，使得学生模型异构为教师模型，在师生一致性约束下的像素级别勘误方案，提升了分割的精度、拓展了多领域的适用性、泛化性，提升深度模型对图像分割的效果，促进了相关技术领域的发展。

本发明授权一种基于多领域半监督的医学图像分割方法在权利要求书中公布了：1.一种基于多领域半监督的医学图像分割方法，其特征在于，包括：构建半监督教师学生分割模型并训练，将待分割的异化领域数据输入训练好的分割模型，得到分割结果；半监督教师学生分割模型的训练过程包括：S1：获取源领域医学影像，并对获取的医学影像进行数据增强，所述源领域医学影像由少量带标签数据以及大量无标签数据组成；S2：将数据增强后的源领域医学影像中带标签数据输入学生分割网络，通过编码器提取带标签数据的高级组织语义特征，利用解码器对高级组织语义特征进行特征通道还原，使用分割头部MLP预测还原后每一个通道的逐个像素预测，通过Softmax函数将预测像素进行二值化，得到分割预测置信度矩阵，根据分割预测置信度矩阵和源领域医学影像中的带标签数据进行监督训练；S3：使用指数滑动平均算法更新学生网络进行监督训练的网络参数，得到教师网络，无标签数据输入教师网络得到的分割预测置信度矩阵，并通过Detach函数处理成为教师伪标签；S4：无标签数据通过学生网络编码器提取无标签数据的高级语义特征fθXs，将fθXs通过分组卷积操作分解为Q、K、V三组独立语义特征以及通过一维卷积提取高级语义特征fθXs的门控点G，使用高斯白化函数将Q、K两组独立语义特征两两独立，并通过转置点积嵌入为二元项形态学特征M，V组独立语义特征通过与门控点G点积操作，构成一元项领域特征D；S5：将一元项领域特征D存储至队列中，构建领域记忆存储单元MetaBank；S6：在MetaBank中利用最近邻算法抽取与当前一元项领域特征D相似的一元项领域特征D*，将D与D*视为当前的正领域特征，MetaBank中其余特征视为负领域特征，使用对比学习将正领域特征与领域记忆存储单元MetaBank内与其距离最近的领域特征两两拉近、将正负领域特征之间两两隔离；S7：选取一元项领域特征D*作为新领域特征，将其与二元项形态学特征M相加，得到新高级语义特征F*；S8：F*经过学生分割网络解码器，重新解码得到与原始输入图像大小相同的特征图，将特征图经过分割头MLP分类，得到学生分割置信度预测，并与教师伪标签进行伪监督训练；S9：启动梯度反向传播机制，优化模型的损失函数，并根据指数滑动平均算法更新网络参数，当模型收敛后或达到设置的epoch次数，则完成模型的训练并固定模型参数。

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重庆邮电大学，其通讯地址为：400065 重庆市南岸区南山街道崇文路2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”。