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！

龙图腾网获悉吉林大学申请的专利一种基于自监督对比学习的医学影像分割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：CN115471512B 。

龙图腾网通过国家知识产权局官网在2025-07-29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：202211156919.0，技术领域涉及：G06T7/11；该发明授权一种基于自监督对比学习的医学影像分割方法是由李瑛;杜伟;李高阳;唐诗熠;梁艳春;张禹;刘翔宇设计研发完成，并于2022-09-21向国家知识产权局提交的专利申请。

本一种基于自监督对比学习的医学影像分割方法在说明书摘要公布了：本发明涉及医学影像分割技术领域，具体是一种基于自监督对比学习的医学影像分割方法，包括以下步骤：步骤1，获取没有分割标签的患病数据，对每个样本进行数据增强；步骤2，对数据增强之后的视图使用ViT进行特征提取和映射；步骤3，得到低像素的病灶激活图和背景激活图Pi d与Pi b；步骤4，得到低像素病灶特征向量Vi d和背景特征向量Vi b；步骤5，得到高像素病灶特征向量Ui d和背景特征向量Ui b，使用对比损失进行自监督学习；步骤6，得到最终的分割结果，本发明基于自监督对比学习的医学影像分割方法，解决了传统模型对有精确分割标签或分类信息的训练图像的依赖，以深度对比学习的方式充分利用无标签数据，达到自监督分割病灶区域的效果。

本发明授权一种基于自监督对比学习的医学影像分割方法在权利要求书中公布了：1.一种基于自监督对比学习的医学影像分割方法，其特征在于，包括以下步骤： 步骤1，获取没有分割标签的患病数据，对每个样本进行数据增强； 步骤2，对数据增强之后的视图使用ViT进行特征提取和映射，之后使用通道数为2的卷积神经网络和softmax层，得到初始的病灶激活图和背景激活图； 步骤3，计算原始图像在三个通道的均值Mi，分别使用上一步得到的初始的病灶激活图和背景激活图点乘Mi和1-Mi，得到低像素的病灶激活图和背景激活图Pi d与Pi b； 步骤4，对步骤2中ViT得到的特征映射进行矩阵变换，之后同Pi d与Pi b相乘，得到低像素病灶特征向量Vi d和背景特征向量Vi b，使用对比损失进行自监督学习； 步骤5，对步骤2中ViT得到的特征映射进行上采样和矩阵变换，对步骤3得到的低像素的病灶激活图和背景激活图Pi d与Pi b进行上采样得到高像素的病灶激活图和背景激活图Qi d与Qi b，之后进行相乘得到高像素病灶特征向量Ui d和背景特征向量Ui b，使用对比损失进行自监督学习； 步骤6，对于训练好的模型所得到的高像素的病灶激活图Qi d和原始的图像一同输出到DenseCRF模块中得到最终的分割结果； 在步骤1中，所述数据增强采用torchvision提供的数据增强工具中的旋转、平移和缩放操作，以消除患病数据中病灶大小、方向和位置无关特征产生的负面影响； 对低像素的病灶激活图和背景激活图Pid与Pib进行双线性插值上采样。

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吉林大学，其通讯地址为：130012 吉林省长春市前进大街2699号吉林大学计算机科学与技术学院；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”。