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！

龙图腾网获悉西安电子科技大学申请的专利基于域自适应的半监督医学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：CN117115180B 。

龙图腾网通过国家知识产权局官网在2025-09-05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：202310817491.8，技术领域涉及：G06T7/11；该发明授权基于域自适应的半监督医学图像分割方法是由路文;昌瑞溥;徐浩然;王晓琴;胡健;叶珂源;何立火设计研发完成，并于2023-07-05向国家知识产权局提交的专利申请。

本基于域自适应的半监督医学图像分割方法在说明书摘要公布了：本发明提出了一种基于自适应的半监督医学图像分割方法，实现步骤为：获取源域和目标域3D医学图像，并对其进行预处理；获取源域训练样本集；获取有标签目标域训练样本集、无标签目标域测试样本集以及目标域训练样本集；构建半监督医学图像分割模型O并定义其损失函数Loss；对半监督医学图像分割模型O进行迭代训练；获取半监督医学图像的分割结果。本发明源域训练样本集中包含有所有源域图像切片对应的域自适应图像，在对半监督医学图像分割模型进行训练的过程中，通过域自适应教师模型、目标域教师模型的不确定性指导学生模型学习更可靠的目标域预测概率图和域自适应预测概率图，充分利用源域数据，有效提高了医学图像的分割精度。

本发明授权基于域自适应的半监督医学图像分割方法在权利要求书中公布了：1.一种基于域自适应的半监督医学图像分割方法，其特征在于，包括如下步骤： 1对源域和目标域3D医学图像进行预处理： 对获取的Zs幅维度为Ds×Hs×Ws的3D源域医学图像及其对应的分割标签，以及Zt幅维度为Dt×Ht×Wt的3D目标域医学图像分别进行预处理，得到预处理后的Ks幅维度为H×W的源域图像切片及其对应的分割标签以及预处理后的维度为H×W的Kt幅目标域图像切片其中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；和分别表示第k幅源域图像切片及其对应的分割标签，表示第k'幅目标域图像切片； 2获取源域训练样本集： 计算预处理后的每幅源域图像切片xs的幅度谱FAxs和相位谱FPxs以及xs对应的灰度匹配图像rst的幅度谱FArst，并通过FAxs、FPxs和FArst计算rst的域自适应图像xs→t，然后将所有源域图像切片对应的域自适应图像及其标签构成源域训练样本集 3获取有标签目标域训练样本集、无标签目标域测试样本集以及目标域训练样本集： 对预处理后的Kt中的E幅目标域图像进行标注，再将其中的P幅目标域图像及其标签组成有标签目标域训练样本集将剩余的N幅目标域图像及其标签组成有标签目标域测试样本集将剩余的预处理后的U幅目标域图像组成无标签目标域训练样本集其中E+U＝Kt，P+N＝E； 4构建半监督医学图像分割模型O并定义其损失函数Loss： 构建包括并行排布的域自适应教师模型ξ1、目标域教师模型ξ2以及学生模型ξψ的半监督医学图像分割模型O；ξ1、ξ2以及ξψ均采用包括顺次连接的编码器解码器以及输出模块Out的随机失活分割网络；医学图像分割模型O的损失函数Loss为： Loss＝Lsup+λLunsup 其中Lsup、Lunsup分别表示有监督损失函数、无监督损失函数，λ表示Lsup与Lunsup的平衡系数； 5初始化参数： 初始化迭代次数为r，最大迭代次数为R，R＞10000，当前半监督医学图像分割网络模型Or中域自适应教师模型ξ1、目标域教师模型ξ2以及学生模型ξψ的权值参数分别为和θψr，并令r＝1； 6对半监督医学图像分割模型O进行训练： 将源域训练样本集Tsa、有标签目标域训练样本集Ttla以及无标签目标域训练样本集Ttua作为半监督医学图像分割模型O的输入进行前向传播，得到O中ξ1对应的的预测概率图prs→t,r、ξ1对应的的Q个预测概率图ξ2对应的的预测概率图prs→t,r、ξ2对应的的Q个预测概率图以及ξψ对应的的预测概率图 7对半监督医学图像分割模型O的权值参数进行更新： 通过ξ1对应的的预测概率图prs→t,r、ξ1对应的的Q个预测概率图ξ2对应的的Q个预测概率图ξψ对应的的预测概率图以及标签计算分割模型Or的当前损失值dr，并通过dr分别对域自适应教师模型ξ1、目标域教师模型ξ2以及学生模型ξψ的权值参数和θψr进行更新，得到本次迭代的半监督医学图像分割模型Or； 8获取训练好的半监督医学图像分割网络模型： 判断r＝R是否成立，若是，得到训练好的半监督医学图像分割网络模型O*,否则令r＝r+1，Or＝O，并执行步骤6； 9获取半监督医学图像的分割结果： 将目标域测试样本集Ttla作为训练好的半监督医学图像分割模型O*的输入，目标域教师网络对每个目标域测试样本进行前向推理，得到每个测试样本的分割结果图。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路2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”。