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！

龍圖騰網獲悉北京理工大學申請的專利一種基于隨機超分學習輔助和多層特征映射的腹部器官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：CN119762786B 。

龍圖騰網通過國家知識產權局官網在2025-09-16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：202411968366.8，技術領域涉及：G06V10/26；該發明授權一種基于隨機超分學習輔助和多層特征映射的腹部器官分割方法及系統是由劉田田;閆天翼;吳蒙蒙;葉初陽;代欣;雷澤浩設計研發完成，并于2024-12-30向國家知識產權局提交的專利申請。

本一種基于隨機超分學習輔助和多層特征映射的腹部器官分割方法及系統在說明書摘要公布了：本發明公開了一種基于隨機超分學習輔助和多層特征映射的腹部器官分割方法及系統，該方法包括：獲取待分割圖像；將所述待分割圖像輸入至分割模型，獲取低分辨率圖像維度下的語義分割標簽，其中，所述分割模型利用訓練集訓練獲得，并利用多分辨率圖像重建模塊進行輔助訓練，所述多分辨率圖像重建模塊，用于對所述待分割圖像的高級特征表示進行解碼，獲取多分辨率重建圖像和重建特征；對所述低分辨率圖像維度下的語義分割標簽進行處理，獲取高分辨率圖像下的語義分割標簽。本發明能夠提取多種分辨率圖像的解剖結構信息，強化多分辨率學習和語義分割任務的潛在關聯，提升醫學超分圖像語義分割任務的表現。

本發明授權一種基于隨機超分學習輔助和多層特征映射的腹部器官分割方法及系統在權利要求書中公布了：1.一種基于隨機超分學習輔助和多層特征映射的腹部器官分割方法，其特征在于，包括： 獲取待分割圖像； 將所述待分割圖像輸入至分割模型，獲取低分辨率圖像維度下的語義分割標簽，其中，所述分割模型利用訓練集訓練獲得，并利用多分辨率圖像重建模塊進行輔助訓練，所述多分辨率圖像重建模塊，用于對所述待分割圖像的高級特征表示進行解碼，獲取多分辨率重建圖像和重建特征； 所述分割模型包括：多分辨率圖像數據獲取模塊、圖像編碼器模塊、多分辨率圖像語義分割模塊和語義輸出模塊； 所述多分辨率圖像數據獲取模塊，用于獲取統一維度的低分辨率圖像數據； 所述圖像編碼器模塊，用于對所述圖像數據進行編碼，獲取高級特征表示； 所述多分辨率圖像語義分割模塊，用于對所述圖像數據的高級特征表示進行解碼，生成多分辨率圖像下的語義分割標簽，并獲取語義特征； 所述語義輸出模塊，用于輸出語義標簽； 所述多分辨率圖像語義分割模塊包括：語義分割解碼器單元、語義分割解碼器多層特征融合單元、語義分割生成標簽和原始標簽的誤差計算單元； 所述語義分割解碼器單元，用于對所述高級特征表示進行解碼，生成語義分割標簽； 所述語義分割生成標簽和原始標簽的誤差計算單元，用于計算所述語義分割標簽和原始標簽的誤差； 所述語義分割解碼器多層特征融合單元，用于通過空間和通道注意感知對所述語義分割解碼器單元的不同深淺層特征進行融合，獲取語義特征； 所述多分辨率圖像重建模塊包括：圖像重建解碼器單元、重建圖像和原始圖像的誤差計算單元、圖像重建解碼器多層特征融合單元； 所述圖像重建解碼器單元，用于對所述高級特征表示進行解碼，重建多分辨率圖像； 所述重建圖像和原始圖像的誤差計算單元，用于計算所述多分辨率重建圖像和原始圖像的誤差； 所述圖像重建解碼器多層特征融合單元，用于通過空間和通道注意感知對所述圖像重建解碼器單元的不同深淺層特征進行融合，獲取重建特征； 利用多分辨率圖像重建模塊進行輔助訓練包括： 根據所述重建特征和語義特征，獲取映射損失； 根據所述映射損失，結合多分辨率重建圖像和原始圖像的誤差、語義分割標簽和原始標簽的誤差，計算所述分割模型總損失； 根據所述分割模型總損失，獲取所述分割模型； 對所述低分辨率圖像維度下的語義分割標簽進行處理，獲取高分辨率圖像下的語義分割標簽。

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北京理工大學，其通訊地址為：100081 北京市海淀區中關村南大街5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”。