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！

龍圖騰網獲悉西安電子科技大學申請的專利基于域自適應的半監督醫學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：CN117115180B 。

龍圖騰網通過國家知識產權局官網在2025-09-05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：202310817491.8，技術領域涉及：G06T7/11；該發明授權基于域自適應的半監督醫學圖像分割方法是由路文;昌瑞溥;徐浩然;王曉琴;胡健;葉珂源;何立火設計研發完成，并于2023-07-05向國家知識產權局提交的專利申請。

本基于域自適應的半監督醫學圖像分割方法在說明書摘要公布了：本發明提出了一種基于自適應的半監督醫學圖像分割方法，實現步驟為：獲取源域和目標域3D醫學圖像，并對其進行預處理；獲取源域訓練樣本集；獲取有標簽目標域訓練樣本集、無標簽目標域測試樣本集以及目標域訓練樣本集；構建半監督醫學圖像分割模型O并定義其損失函數Loss；對半監督醫學圖像分割模型O進行迭代訓練；獲取半監督醫學圖像的分割結果。本發明源域訓練樣本集中包含有所有源域圖像切片對應的域自適應圖像，在對半監督醫學圖像分割模型進行訓練的過程中，通過域自適應教師模型、目標域教師模型的不確定性指導學生模型學習更可靠的目標域預測概率圖和域自適應預測概率圖，充分利用源域數據，有效提高了醫學圖像的分割精度。

本發明授權基于域自適應的半監督醫學圖像分割方法在權利要求書中公布了：1.一種基于域自適應的半監督醫學圖像分割方法，其特征在于，包括如下步驟： 1對源域和目標域3D醫學圖像進行預處理： 對獲取的Zs幅維度為Ds×Hs×Ws的3D源域醫學圖像及其對應的分割標簽，以及Zt幅維度為Dt×Ht×Wt的3D目標域醫學圖像分別進行預處理，得到預處理后的Ks幅維度為H×W的源域圖像切片及其對應的分割標簽以及預處理后的維度為H×W的Kt幅目標域圖像切片其中Zs≥150，Ds≥10，Hs≥100，Ws≥100，Ks＝Zs×Ds，Zt≥50，Dt≥10，Ht≥100，Wt≥100，H≥100，W≥100，Kt＝Zt×Dt；和分別表示第k幅源域圖像切片及其對應的分割標簽，表示第k'幅目標域圖像切片； 2獲取源域訓練樣本集： 計算預處理后的每幅源域圖像切片xs的幅度譜FAxs和相位譜FPxs以及xs對應的灰度匹配圖像rst的幅度譜FArst，并通過FAxs、FPxs和FArst計算rst的域自適應圖像xs→t，然后將所有源域圖像切片對應的域自適應圖像及其標簽構成源域訓練樣本集 3獲取有標簽目標域訓練樣本集、無標簽目標域測試樣本集以及目標域訓練樣本集： 對預處理后的Kt中的E幅目標域圖像進行標注，再將其中的P幅目標域圖像及其標簽組成有標簽目標域訓練樣本集將剩余的N幅目標域圖像及其標簽組成有標簽目標域測試樣本集將剩余的預處理后的U幅目標域圖像組成無標簽目標域訓練樣本集其中E+U＝Kt，P+N＝E； 4構建半監督醫學圖像分割模型O并定義其損失函數Loss： 構建包括并行排布的域自適應教師模型ξ1、目標域教師模型ξ2以及學生模型ξψ的半監督醫學圖像分割模型O；ξ1、ξ2以及ξψ均采用包括順次連接的編碼器解碼器以及輸出模塊Out的隨機失活分割網絡；醫學圖像分割模型O的損失函數Loss為： Loss＝Lsup+λLunsup 其中Lsup、Lunsup分別表示有監督損失函數、無監督損失函數，λ表示Lsup與Lunsup的平衡系數； 5初始化參數： 初始化迭代次數為r，最大迭代次數為R，R＞10000，當前半監督醫學圖像分割網絡模型Or中域自適應教師模型ξ1、目標域教師模型ξ2以及學生模型ξψ的權值參數分別為和θψr，并令r＝1； 6對半監督醫學圖像分割模型O進行訓練： 將源域訓練樣本集Tsa、有標簽目標域訓練樣本集Ttla以及無標簽目標域訓練樣本集Ttua作為半監督醫學圖像分割模型O的輸入進行前向傳播，得到O中ξ1對應的的預測概率圖prs→t,r、ξ1對應的的Q個預測概率圖ξ2對應的的預測概率圖prs→t,r、ξ2對應的的Q個預測概率圖以及ξψ對應的的預測概率圖 7對半監督醫學圖像分割模型O的權值參數進行更新： 通過ξ1對應的的預測概率圖prs→t,r、ξ1對應的的Q個預測概率圖ξ2對應的的Q個預測概率圖ξψ對應的的預測概率圖以及標簽計算分割模型Or的當前損失值dr，并通過dr分別對域自適應教師模型ξ1、目標域教師模型ξ2以及學生模型ξψ的權值參數和θψr進行更新，得到本次迭代的半監督醫學圖像分割模型Or； 8獲取訓練好的半監督醫學圖像分割網絡模型： 判斷r＝R是否成立，若是，得到訓練好的半監督醫學圖像分割網絡模型O*,否則令r＝r+1，Or＝O，并執行步驟6； 9獲取半監督醫學圖像的分割結果： 將目標域測試樣本集Ttla作為訓練好的半監督醫學圖像分割模型O*的輸入，目標域教師網絡對每個目標域測試樣本進行前向推理，得到每個測試樣本的分割結果圖。

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西安電子科技大學，其通訊地址為：710071 陜西省西安市雁塔區太白南路2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”。