买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉电子科技大学申请的专利一种基于信息瓶颈和对比学习的双视图交互学习半监督训练方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120182248B 。

龙图腾网通过国家知识产权局官网在2025-07-25发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510624700.6，技术领域涉及：G06T7/00；该发明授权一种基于信息瓶颈和对比学习的双视图交互学习半监督训练方法是由高埂;饶妮妮设计研发完成，并于2025-05-15向国家知识产权局提交的专利申请。

本一种基于信息瓶颈和对比学习的双视图交互学习半监督训练方法在说明书摘要公布了：本发明提供了一种基于信息瓶颈和对比学习的双视图交互学习半监督训练方法，方法在双视图交互学习过程中将数据流分为标注数据和未标注数据，对于标注数据，双视图交互学习中的两个分割网络通过计算预测值与真实标签的交叉熵损失和Dice损失进行优化，对于未标注数据，两个分割网络产生伪标签进行互相监督，并将信息瓶颈理论用于强化分割网络中特征层与标签（或伪标签）的一致性，弱化其与输入值的一致性，此外，在训练过程中应用了类别中心对比学习方法，首先构建每个类别的中心特征，然后将某一像素特征与所有类别的中心特征进行对比，最后将该像素特征归类于中心特征与其最相似的那一类。通过本发明方案，能够显著提高半监督分割的性能和准确性。

本发明授权一种基于信息瓶颈和对比学习的双视图交互学习半监督训练方法在权利要求书中公布了：1.一种基于信息瓶颈和对比学习的双视图交互学习半监督训练方法，其特征在于，所述方法包括： 步骤S1：采集医学图像数据，然后对图像数据进行预处理，预处理包括数据增强和视图转化； 步骤S2：基于双视图交互学习、信息瓶颈理论和类别中心对比学习构建半监督训练模型，双视图交互学习中的分割模型由网络A和网络B组成，采用U-Net作为网络A和网络B的分割网络，将采集到的RGB图像输入网络A，将RGB图像对应的HSL图像输入网络B，在网络A和网络B组成的平行网络中通过双视图交互学习避免平行网络产生耦合作用，信息瓶颈理论和类别中心对比学习用于强化网络的感知和判别能力； 步骤S3：训练分割模型，并通过半监督训练模型训练预处理后的数据集，在训练过程中，经过前向传播和反向传播进行参数更新，并且使网络的性能达到最优时停止训练，以此获得分割效果最好的权重参数； 其中，所述步骤S2中fa中标注的RGB图像的信息瓶颈损失表示为： 其中，HSIC为希尔伯特-施密特独立性准则，为标注的RGB图像，Yi为对应的标签值，为fa训练过程中的特征层矩阵，L为特征层个数； fa中未标注的RGB图像的信息瓶颈损失表示为： 其中，为未标注的RGB图像，为fb产生的伪标签值，为fa训练过程中的特征层矩阵； fb中标注的HSL图像的信息瓶颈损失为： 其中，为标注的HSL图像，Yi为对应的标签值，为fb训练过程中的特征层矩阵； fb中未标注的HSL图像的信息瓶颈损失为： 其中，为未标注的HSL图像，为fa产生的伪标签，为fb训练过程中的特征层矩阵； 由此得到信息瓶颈总损失为： 所述步骤S2中的类别中心对比学习具体包括：构建类别中心对比学习方法，计算每个类别的中心特征，将像素特征与所有类别的中心特征进行对比，根据余弦相似度将像素特征归类于中心特征与其最相似的类别，类别中心对比学习的正样本对是像素特征与其对应的类别中心的对比，负样本对是像素特征与其他类别的类别中心之间的对比； 类别中心特征的计算方式为： fa对标注RGB数据的预测概率值为将Pi r中i,j位置的特征向量记为将标签Yi中i,j位置的特征向量记为将fb产生的伪标签中i,j位置的特征向量记为其中，C是特征维度，基于RGB标注数据计算出的每个类别的中心特征为： 其中，是RGB标注图像中类别k的类别中心特征，Nk是RGB标注图像中类别k的像素数量，类别包括病变区域和正常区域两个类别，根据该公式计算出的正样本类别中心特征和负样本类别中心特征使用余弦相似度度量像素特征与之间的相似度： ||表示向量的范数，同样，使用余弦相似度度量像素特征与之间的相似度： 然后，基于InfoNCE损失构建训练fa时对标注RGB图像的类别中心对比学习损失： 其中，Ny是中的像素个数，C是负样本集合，τ是温度参数，用于调整对比学习中相似度的尺度； 同理，基于RGB未标注图像计算出的每个类别中心特征为： 其中，是RGB未标注图像中类别k的类别中心特征，Nu是中的像素个数； 训练fa时未标注RGB图像的类别中心对比学习损失为： 其中，Nu是中的像素个数，为fa训练未标注数据产生的预测概率分布中位置i,j的特征向量，是对应的正样本，是对应的负样本，Q是负样本集合； 同理，得出fb网络训练标注HSL数据的类别中心对比损失和训练未标注HSL数据的类别中心对比损失总的类别中心对比学习损失为：

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。