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！

龍圖騰網獲悉核工業總醫院申請的專利基于類別嵌入分離對比學習網絡的乳腺超聲圖像分割方法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：CN120374990B 。

龍圖騰網通過國家知識產權局官網在2025-09-02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：202510877275.1，技術領域涉及：G06V10/26；該發明授權基于類別嵌入分離對比學習網絡的乳腺超聲圖像分割方法是由鄭麗君;郭亮生;張迎春設計研發完成，并于2025-06-27向國家知識產權局提交的專利申請。

本基于類別嵌入分離對比學習網絡的乳腺超聲圖像分割方法在說明書摘要公布了：本發明公開基于類別嵌入分離對比學習網絡的乳腺超聲圖像分割方法，屬于圖像處理技術領域；圖像分割方法包括：構建超聲圖像訓練集，包含超聲圖像及其對應的分割標簽；將超聲圖像訓練集輸入類別嵌入分離對比學習網絡進行訓練，對超聲圖像分別進行弱變換與強變換并計算各自的潛在表示；使用KL散度對齊一批圖像的平均潛在表示與累計平均潛在表示，并與弱變換圖像對比學習損失、強變換圖像對比學習損失、強變換圖像到弱變換圖像對比學習損失、弱變換圖像到強變換圖像對比學習損失以及分割損失共同構成總損失；并使用總損失優化類別嵌入分離對比學習網絡；使用優化后的類別嵌入分離對比學習網絡對乳腺超聲圖像進行分割。

本發明授權基于類別嵌入分離對比學習網絡的乳腺超聲圖像分割方法在權利要求書中公布了：1.基于類別嵌入分離對比學習網絡的乳腺超聲圖像分割方法，其特征在于，包括以下步驟： 構建超聲圖像訓練集，包含超聲圖像及其對應的分割標簽； 將超聲圖像訓練集輸入類別嵌入分離對比學習網絡進行訓練，對超聲圖像分別進行弱變換與強變換并計算各自的潛在表示；使用KL散度對齊一批圖像的平均潛在表示與累計平均潛在表示，并與弱變換圖像對比學習損失、強變換圖像對比學習損失、強變換圖像到弱變換圖像對比學習損失、弱變換圖像到強變換圖像對比學習損失以及分割損失共同構成總損失；并使用總損失優化類別嵌入分離對比學習網絡； 使用優化后的類別嵌入分離對比學習網絡對乳腺超聲圖像進行分割； 計算所述潛在表示的公式為： 其中，和分別表示弱變換圖像與強變換圖像，E表示特征提取器，和分別表示弱變換圖像特征與強變換圖像特征，分別表示特征的通道數、高度和寬度；表示弱變換圖像第類的潛在表示；表示強變換圖像第類的潛在表示；用于索引特征、所有像素；表示的第個像素特征；表示的第個像素特征；表示標簽的第個像素第類標簽，表示弱變換圖像對應的標簽；表示的第個非0像素，表示中非0像素數；表示標簽的第個像素第類標簽，表示強變換圖像對應的標簽；表示的第個非0像素，表示中非0像素數；表示中第類標簽對應位置像素為1，其余像素為0；表示中第類標簽對應位置像素為1，其余像素為0； 所述弱變換圖像對比學習損失為： 其中，表示指數函數；表示對比系數；表示第迭代弱變換圖像的潛在表示的累計協方差；表示分割的類別數；表示一批圖像中圖像數目；表示第迭代弱變換圖像的第類累計平均潛在表示； 所述強變換圖像對比學習損失為： 其中，表示第迭代強變換圖像的第類累計平均潛在表示；表示第迭代強變換圖像的潛在表示的累計協方差； 所述強變換圖像到弱變換圖像對比學習損失為： 所述弱變換圖像到強變換圖像對比學習損失為： 。

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核工業總醫院，其通訊地址為：215004 江蘇省蘇州市三香路1055號；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”。