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！

龍圖騰網獲悉湖北大學申請的專利一種基于雙網絡自適應偽標簽生成的半監督醫學圖像分割方法及系統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：CN119887805B 。

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：202510078894.4，技術領域涉及：G06T7/11；該發明授權一種基于雙網絡自適應偽標簽生成的半監督醫學圖像分割方法及系統是由楊超;李晨宇;吳葉明;蔣碧波;李致君;徐涵宇設計研發完成，并于2025-01-17向國家知識產權局提交的專利申請。

本一種基于雙網絡自適應偽標簽生成的半監督醫學圖像分割方法及系統在說明書摘要公布了：本發明屬于圖像分割技術領域，公開了一種基于雙網絡自適應偽標簽生成的半監督醫學圖像分割方法，本發明為了克服傳統偽標簽生成方法中的問題，提出了“基于雙網絡自適應機制的偽標簽生成算法”。該算法通過引入兩個網絡，通過它們對標注數據的分割效果進行比較，選擇表現更好的網絡作為偽標簽生成器，指導另一個網絡的未標注數據訓練。本發明兩個網絡的引入增強了訓練的多樣性，能夠通過后續的對比進一步提高偽標簽的質量。通過使用兩個獨立的網絡進行預測，可以獲得更為豐富和多樣化的偽標簽。即便某一個網絡的預測不準確，另一個網絡的預測仍有提供有價值的信息。

本發明授權一種基于雙網絡自適應偽標簽生成的半監督醫學圖像分割方法及系統在權利要求書中公布了：1.一種基于雙網絡自適應偽標簽生成的半監督醫學圖像分割方法，其特征在于，包括以下步驟： 步驟1，對標注數據進行增強和預處理； 步驟2，通過標注數據對兩個網絡進行預訓練； 步驟3，將標注數據和未標注數據分別輸入兩個網絡進行分割預測； 步驟4，確定一個網絡作為偽標簽生成器； 步驟5，通過偽標簽生成器對未標注數據進行預測，生成偽標簽； 步驟6，將未標注數據、偽標簽和標注數據輸入另一個網絡進行聯合訓練； 步驟7，基于兩個網絡的分割結果進行模型融合； 所述將標注數據和未標注數據分別送入兩個網絡進行分割預測： 1每個訓練批次包含2個標記數據和2個未標記數據 2將標記數據和未標記數據分別輸入到網絡A和網絡B中，得到兩個網絡的分割預測結果 和其中表示對標記數據的預測結果，表示對未標記數據的預測結果； 3使用真實標簽YL計算每個網絡的Dice值和95HD值，并計算綜合評分SegScore，以評估其分割性能，公式如下： 95HDA,B＝max{percentile95dA,B,percentile95dB,A} SegScore＝α·Dice+β·11+95HD 其中，P為網絡預測的二值化結果，Y為真實標簽,α和β是權重系數，需根據任務需求調整；SegScore值越大，表示網絡分割效果越好； 4將批次中所有標注數據的SegScore值累加，分別得到網絡A和網絡B的總SegScore值： 其中，N為當前批次中標注數據的樣本數，P為網絡預測結果，Y為真實標簽； 在算法訓練完成后，網絡A和網絡B的訓練參數固定，并通過模型融合策略對兩個網絡的分割結果進行綜合處理；模型融合能夠提升分割結果的準確性和穩定性，在醫學圖像分割任務中，這種多模型融合的方法可以有效減少單一模型的預測偏差；融合策略根據二分類分割任務和多分類分割任務可分為以下兩種： 二分類分割任務的融合策略采用概率平均融合，公式如下： 其中，PA為網絡A的預測概率圖，PB為網絡B的預測概率圖；融合后的分割結果需要經過后處理，以提升分割質量：通過閾值二值化，對概率圖Pfinal應用固定閾值0.5，生成二值化分割掩碼； 多分類分割任務采用逐像素的argmax策略，即將每個像素分配給概率最高的類別； 首先計算每個類別的平均概率圖： 其中c表示類別索引； 然后使用argmax分配類別： 其中x,y表示圖像中的像素位置。

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湖北大學，其通訊地址為：430000 湖北省武漢市武昌區友誼大道368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”。