買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉佛山市第一人民醫院申請的專利一種醫學影像分割的自訓練學習方法、系統及電子設備獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119559461B 。

龍圖騰網通過國家知識產權局官網在2025-08-29發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202411610252.6，技術領域涉及：G06V10/774；該發明授權一種醫學影像分割的自訓練學習方法、系統及電子設備是由邱懿德;吳繼鵬;鐘敏瑩;黃偉俊;何艷萍;潘嘉偉;彭巍煒;楊德龍;藍寧輝設計研發完成，并于2024-11-12向國家知識產權局提交的專利申請。

本一種醫學影像分割的自訓練學習方法、系統及電子設備在說明書摘要公布了：本申請提出了一種醫學影像分割的自訓練學習方法、系統及電子設備，涉及圖像處理技術領域。該方法包括：首先，獲取包括良性病灶分割訓練數據和惡性病灶分割訓練數據的原始訓練、以及測試數據集。然后，將訓練數據集均分，與測試數據集結合進行迭代訓練，形成多組數據集。接著，利用各組數據集執行訓練流程：初期以良性數據為主，逐步增加惡性病灶分割訓練數據比例，訓練至收斂得第一分割模型。用此模型預測測試集，得病灶預測圖像。通過比較預測與標注圖像，生成漏檢與誤檢區域的偽標簽圖像。將這些偽標簽圖像加入訓練集，再次訓練第一分割模型直至收斂。該技術方案能夠提高醫學影像分割模型分割精度和泛化能力。

本發明授權一種醫學影像分割的自訓練學習方法、系統及電子設備在權利要求書中公布了：1.一種醫學影像分割的自訓練學習方法，其特征在于，包括以下步驟： 獲取原始訓練數據集和原始測試數據集；定義原始訓練數據集為其中Ns表示訓練集中圖像的數量，xi和qi分別表示第i張圖像和對應標注圖像；定義qi的大小為H×W，其中H和W分別表示標注圖像的長和寬；定義為原始測試數據集，Nl表示測試集中圖像的數量；所述原始訓練數據集包括良性病灶分割訓練數據和惡性病灶分割訓練數據；分別記為和Ds1表示良性病灶分割訓練數據，Ds2表示惡性病灶分割訓練數據；Ns1和Ns2分別表示良性分割訓練數據集和惡性分割訓練數據集中圖像的數量； 將原始訓練數據集均分為多個數據集，并結合原始測試數據集進行迭代式訓練，形成多組訓練數據集和測試數據集；包括首先將按人數均分成兩個數據集，記為和然后，融合和的數據，形成新的訓練集融合和的數據，形成新的訓練集由此，形成三組訓練集合和測試集，分別是第一組訓練集第一組測試集第二組訓練集第二組測試集第三組訓練集第三組測試集 分別利用迭代式訓練形成的各組訓練數據集和測試數據集，執行訓練流程，所述訓練流程包括： 通過多個訓練階段逐步增加惡性病灶分割訓練數據的比例，訓練初始的醫學影像分割模型直至收斂，得到模型 利用模型對測試數據集進行預測，得到對應的病灶預測圖像同時計算相應的Dice精度集合并保留，其中ri＝Dicepi,qi；通過課程學習方法分別對第二組訓練集Dlu和第三組訓練集Dlv進行訓練，得到第二組數據訓練出來的模型和第二組數據訓練出來的模型然后利用模型和模型分別對第二組測試集Dv和第三組測試集Du的圖像進行測試，分別得到第二組測試集的病灶預測集合和第三組測試集的病灶預測集合最后，分別將Pu和Pv的病灶圖像計算相應的Dice精度，記為和 通過計算病灶預測圖像與標注圖像的交集差異，分別得到漏檢區域偽標簽圖像和誤檢區域偽標簽圖像；包括利用Pl、Pu和Pv計算三個測試集漏檢區域偽標簽圖像和誤檢區域偽標簽圖像的集合 和對于Pl、Pu和Pv上的每一張預測圖像pi，將其與對應的標注圖像qi計算交集，得到它們共有區域ci；隨后，用qi減去ci，即可得到漏檢區域偽標簽圖像同理，使pi減去ci，即可得到誤檢區域偽標簽圖像 將得到的漏檢區域偽標簽圖像和誤檢區域偽標簽圖像加入到訓練集中，訓練模型模型和模型直至收斂；包括分別將和視為漏檢區域偽標簽圖像和誤檢區域偽標簽圖像，加入到訓練集Ds、Dlu和Dlv中，組成三個新的訓練集合，分別記為 和隨后分別利用和的訓練數據進行數據增強，繼續對模型模型和模型繼續訓練，直至模型收斂。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人佛山市第一人民醫院，其通訊地址為：528000 廣東省佛山市禪城區嶺南大道北81號佛山市第一人民醫院；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。