買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉杭州電子科技大學(xué)申請的專利一種基于半監(jiān)督神經(jīng)網(wǎng)絡(luò)的醫(yī)學(xué)影像處理方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN116630299B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-08-26發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202310714829.7，技術(shù)領(lǐng)域涉及：G06T7/00；該發(fā)明授權(quán)一種基于半監(jiān)督神經(jīng)網(wǎng)絡(luò)的醫(yī)學(xué)影像處理方法是由陳一飛;黃凡丁;劉敏哲;林彬;秦飛巍設(shè)計研發(fā)完成，并于2023-06-16向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種基于半監(jiān)督神經(jīng)網(wǎng)絡(luò)的醫(yī)學(xué)影像處理方法在說明書摘要公布了：本發(fā)明公開了一種基于半監(jiān)督神經(jīng)網(wǎng)絡(luò)的醫(yī)學(xué)影像處理方法，S1、獲取圖片數(shù)據(jù)集；S2、構(gòu)建DFCPS模型并訓(xùn)練，所述DFCPS模型包括數(shù)據(jù)增強策略和神經(jīng)網(wǎng)絡(luò)，所述神經(jīng)網(wǎng)絡(luò)包括主干網(wǎng)絡(luò)、ASPP模塊、上采樣模塊和Softmax函數(shù)；所述主干網(wǎng)絡(luò)采用ResNet?50，并引入殘差連接構(gòu)建深層網(wǎng)絡(luò)，所述ASPP模塊包括四個卷積層，四個所述卷積層的空洞卷積率分別為1、12、24、36；S3、使用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)進行圖像分割。該方法通過合理地利用未標(biāo)記數(shù)據(jù)和少量標(biāo)記數(shù)據(jù)，以及強增強和弱增強的數(shù)據(jù)增強技術(shù)，對模型進行訓(xùn)練并取得理想的結(jié)果。

本發(fā)明授權(quán)一種基于半監(jiān)督神經(jīng)網(wǎng)絡(luò)的醫(yī)學(xué)影像處理方法在權(quán)利要求書中公布了：1.一種基于半監(jiān)督神經(jīng)網(wǎng)絡(luò)的醫(yī)學(xué)影像處理方法，其特征在于，包括如下步驟： S1、獲取圖片數(shù)據(jù)集； S2、構(gòu)建DFCPS模型并訓(xùn)練，所述DFCPS模型包括數(shù)據(jù)增強策略和神經(jīng)網(wǎng)絡(luò)，所述神經(jīng)網(wǎng)絡(luò)包括主干網(wǎng)絡(luò)、ASPP模塊、上采樣模塊和Softmax函數(shù)； 所述主干網(wǎng)絡(luò)采用ResNet-50，并引入殘差連接構(gòu)建深層網(wǎng)絡(luò)，所述ASPP模塊包括四個卷積層，四個所述卷積層的空洞卷積率分別為1、12、24、36； 所述DFCPS模型的訓(xùn)練方法為：首先，通過數(shù)據(jù)增強策略對原始樣本X進行兩次不同程度的強弱數(shù)據(jù)增強，生成了兩組增強樣本，分別為一組是強增強樣本，另一組是弱增強樣本，強弱增強樣本分組組合，其中組合后的強弱增強樣本進入到四個神經(jīng)網(wǎng)絡(luò)之中進行訓(xùn)練，通過不斷優(yōu)化模型的參數(shù)來最小化損失值； 在訓(xùn)練時，每組用于強弱增強樣本的神經(jīng)網(wǎng)絡(luò)共享參數(shù)和權(quán)重，每組中由弱增強樣本經(jīng)神經(jīng)網(wǎng)絡(luò)輸出的預(yù)測結(jié)果生成的偽標(biāo)簽，作為每個強增強樣本預(yù)測的目標(biāo)； 在訓(xùn)練過程中，引入監(jiān)督損失為Ls，其利用強增強樣本和弱增強樣本的信息來指導(dǎo)DFCPS模型的學(xué)習(xí)過程； 所述監(jiān)督損失Ls由交叉熵?fù)p失函數(shù)決定，對于有標(biāo)記的樣本進行正常的監(jiān)督學(xué)習(xí)，表達(dá)式如下： 其中，Dl表示已有標(biāo)簽的樣本集合，S定義為輸入圖像的面積，用高度*寬度計算，pi為對應(yīng)的置信向量,yj為groundtruth，lce為交叉熵?fù)p失函數(shù)； 所述訓(xùn)練過程設(shè)計引入了交叉?zhèn)伪O(jiān)督損失Lcps，使得不同組弱監(jiān)督樣本生成的偽標(biāo)簽之間會相互約束； 所述交叉?zhèn)伪O(jiān)督損失定義為和其中表示的是有標(biāo)簽數(shù)據(jù)的監(jiān)督損失，表示的是無標(biāo)簽數(shù)據(jù)的監(jiān)督損失，表達(dá)式如下： 其中，Du表示未標(biāo)簽樣本的集合； 故交叉?zhèn)伪O(jiān)督損失定義為： 總的損失則可以相應(yīng)定義為： Loss＝Ls+ωLcps5 其中ω為權(quán)重； S3、使用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)進行圖像分割 S3-1、將經(jīng)預(yù)處理的數(shù)據(jù)集作為輸入，通過主干網(wǎng)絡(luò)獲取特征圖； S3-2、將獲取的特征圖作為輸入，通過ASPP模塊提取特征并進行融合得到綜合特征； S3-3、將獲取的綜合特征通過上采樣技術(shù)增加數(shù)據(jù)細(xì)節(jié)，通過Softmax函數(shù)將模型的輸出映射為每個類別的概率，然后根據(jù)概率選擇最可能的類別作為預(yù)測結(jié)果，以生成可信度高的預(yù)測樣本。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人杭州電子科技大學(xué)，其通訊地址為：310018 浙江省杭州市錢塘區(qū)白楊街道2號大街1158號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。