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！

龙图腾网获悉核工业总医院申请的专利基于类别嵌入分离对比学习网络的乳腺超声图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：CN120374990B 。

龙图腾网通过国家知识产权局官网在2025-09-02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：202510877275.1，技术领域涉及：G06V10/26；该发明授权基于类别嵌入分离对比学习网络的乳腺超声图像分割方法是由郑丽君;郭亮生;张迎春设计研发完成，并于2025-06-27向国家知识产权局提交的专利申请。

本基于类别嵌入分离对比学习网络的乳腺超声图像分割方法在说明书摘要公布了：本发明公开基于类别嵌入分离对比学习网络的乳腺超声图像分割方法，属于图像处理技术领域；图像分割方法包括：构建超声图像训练集，包含超声图像及其对应的分割标签；将超声图像训练集输入类别嵌入分离对比学习网络进行训练，对超声图像分别进行弱变换与强变换并计算各自的潜在表示；使用KL散度对齐一批图像的平均潜在表示与累计平均潜在表示，并与弱变换图像对比学习损失、强变换图像对比学习损失、强变换图像到弱变换图像对比学习损失、弱变换图像到强变换图像对比学习损失以及分割损失共同构成总损失；并使用总损失优化类别嵌入分离对比学习网络；使用优化后的类别嵌入分离对比学习网络对乳腺超声图像进行分割。

本发明授权基于类别嵌入分离对比学习网络的乳腺超声图像分割方法在权利要求书中公布了：1.基于类别嵌入分离对比学习网络的乳腺超声图像分割方法，其特征在于，包括以下步骤： 构建超声图像训练集，包含超声图像及其对应的分割标签； 将超声图像训练集输入类别嵌入分离对比学习网络进行训练，对超声图像分别进行弱变换与强变换并计算各自的潜在表示；使用KL散度对齐一批图像的平均潜在表示与累计平均潜在表示，并与弱变换图像对比学习损失、强变换图像对比学习损失、强变换图像到弱变换图像对比学习损失、弱变换图像到强变换图像对比学习损失以及分割损失共同构成总损失；并使用总损失优化类别嵌入分离对比学习网络； 使用优化后的类别嵌入分离对比学习网络对乳腺超声图像进行分割； 计算所述潜在表示的公式为： 其中，和分别表示弱变换图像与强变换图像，E表示特征提取器，和分别表示弱变换图像特征与强变换图像特征，分别表示特征的通道数、高度和宽度；表示弱变换图像第类的潜在表示；表示强变换图像第类的潜在表示；用于索引特征、所有像素；表示的第个像素特征；表示的第个像素特征；表示标签的第个像素第类标签，表示弱变换图像对应的标签；表示的第个非0像素，表示中非0像素数；表示标签的第个像素第类标签，表示强变换图像对应的标签；表示的第个非0像素，表示中非0像素数；表示中第类标签对应位置像素为1，其余像素为0；表示中第类标签对应位置像素为1，其余像素为0； 所述弱变换图像对比学习损失为： 其中，表示指数函数；表示对比系数；表示第迭代弱变换图像的潜在表示的累计协方差；表示分割的类别数；表示一批图像中图像数目；表示第迭代弱变换图像的第类累计平均潜在表示； 所述强变换图像对比学习损失为： 其中，表示第迭代强变换图像的第类累计平均潜在表示；表示第迭代强变换图像的潜在表示的累计协方差； 所述强变换图像到弱变换图像对比学习损失为： 所述弱变换图像到强变换图像对比学习损失为： 。

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核工业总医院，其通讯地址为：215004 江苏省苏州市三香路1055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”。