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！

龙图腾网获悉复旦大学申请的专利基于集成交叉伪标签的肿瘤图像半监督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：CN115393289B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202210940799.7，技术领域涉及：G06T7/00；该发明授权基于集成交叉伪标签的肿瘤图像半监督分割方法是由章琛曦;裘茗烟;宋志坚;许剑民;郑鹏;冯青阳设计研发完成，并于2022-08-06向国家知识产权局提交的专利申请。

本基于集成交叉伪标签的肿瘤图像半监督分割方法在说明书摘要公布了：本发明属于医学图像处理技术领域，具体为一种基于集成交叉伪标签的肿瘤图像半监督分割方法。本发明方法通过训练差异较大的三个分割模型：基于Transformer架构的UNETR模型，基于CNN的注意力U‑Net，基于CNN的多尺度特征信息的注意力分割网络模型CSA‑U‑Net，来生成无标注数据的伪标签；然后使用带伪标签的无标注数据扩展训练数据，通过伪标签数据交替监督约束输出结果的一致性。最后集成多个模型的输出结果，以提升分割模型的精度。本发明方法可以更好地通过结合无标注数据和有标注数据的信息直接提升模型分割性能。

本发明授权基于集成交叉伪标签的肿瘤图像半监督分割方法在权利要求书中公布了：1.一种基于集成交叉伪标签的肿瘤图像半监督分割方法，其特征在于，具体步骤为： 1对MRI图像进行预处理，包括对图像进行强度归一化以及直方图均衡化，把整个图像分成一定数量的小块像素，进行非线性拉伸，使局部的灰度直方图均匀分布； 2将预处理过后的图像作为输入图像缩放输入至分割模型U-Net进行粗分割，定位出目标区域；然后在输入图像中裁剪出以目标区域为中心的图像，增大前景像素的占比； 3然后训练差异较大的三个模型构成的分割网络模型，三个模型分别为：基于Transformer架构的UNETR模型，基于CNN的注意力U-Net，基于CNN的多尺度特征信息的注意力分割网络模型CSA-U-Net；用来生成无标注数据的伪标签；然后使用带伪标签的无标注数据扩展训练数据，通过伪标签数据交替监督约束输出结果的一致性； 4将所裁剪出的目标区域输入训练好分割网络模型中，集成多个模型的输出结果，得到高精度分割结果； 所述预处理后的图像中，将有标注数据输入到三个差异较大的分割网络模型中，通过训练得到三个分割模型；然后将无标注数据输入到训练后的三个分割模型中，三个模型分别输出三个预测概率结果P1、P2、P3，分别通过最大值的参数操作得到对应的独热编码标签Y1、Y2和Y3；假设验证集结果最好的模型为模型fθ3，次优为模型fθ2，则将fθ3所输出的伪标签Y3来监督其他两个模型的预测概率结果，而fθ2的伪标签Y2来监督P3，从而最大限度降低伪标签中的噪声；然后对三个模型均进行反向传播迭代优化。

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复旦大学，其通讯地址为：200433 上海市杨浦区邯郸路220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”。