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一种基于拓扑结构约束的半监督医学影像标志点定位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：CN116012689B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202111220282.2，技术领域涉及：G06V10/82；该发明授权一种基于拓扑结构约束的半监督医学影像标志点定位方法是由李斌;张灵西;薛向阳设计研发完成，并于2021-10-20向国家知识产权局提交的专利申请。

本一种基于拓扑结构约束的半监督医学影像标志点定位方法在说明书摘要公布了：本发明提供一种基于拓扑结构约束的半监督医学影像标志点定位方法，其特征在于，包括：步骤S1，对图像进行预处理，得到初始训练集。步骤S2，将初始训练集输入到深度神经网络进行训练，根据有无标注信息，对样本分开进行监督训练和自监督训练。步骤S3，将待测图像输入到训练完成的深度神经网络，预测坐标偏移图和预测热点图。步骤S4，利用投票法对预测热点图所表示标志点在图中出现的概率，对高于设定阈值的像素点进行投票，并根据投票结果标出待测图像上的最终标志点坐标。其中，深度神经网络包括多任务U‑Net网络、多分辨率注意力模块以及多分支空洞卷积模块。

本发明授权一种基于拓扑结构约束的半监督医学影像标志点定位方法在权利要求书中公布了：1.一种基于拓扑结构约束的半监督医学影像标志点定位方法，其特征在于，包括： 步骤S1，采集图像并进行预处理，得到初始训练集，其中，所述初始训练集包括含有标志点坐标的标注信息的样本图像和无标注信息的样本图像； 步骤S2，将所述初始训练集输入到深度神经网络进行训练，对所述含有标志点坐标的标注信息的样本图像利用标志点坐标的标注信息进行监督训练，对所述无标注信息的样本图像利用等价标志点变化进行自监督训练，训练次数达到设定次数，得到训练完成的深度神经网络； 步骤S3，将待测图像输入到所述训练完成的深度神经网络，得到与所述待测图像相对应的预测坐标偏移图和预测热点图，其中，所述预测热点图表示标志点在图中每个像素位置出现的概率，所述预测坐标偏移图表示预测标志点与真实标志点之间的坐标偏移； 步骤S4，根据所述预测坐标偏移图所表示预测标志点与真实标志点之间的坐标偏移，利用投票法对所述预测热点图所表示标志点在图中出现的概率，对高于设定阈值的像素点进行投票，并根据投票结果标出所述待测图像上的最终标志点坐标； 其中，所述深度神经网络包括作为骨干网络的多任务U-Net网络、根据所述多任务unet网络产生的不同分辨率的特征图生成不同分辨率的注意力系数图的多分辨率注意力模块以及利用不同的分支并行提取不同尺度的图像的上下文信息的多分支空洞卷积模块； 其中，所述步骤S2包括以下步骤： 步骤S2-1，将所述初始训练集输入到所述深度神经网络进行训练； 步骤S2-2，判断输入图像是否具有标注信息，如果判断为是，执行步骤S2-3，如果判断为不是，执行步骤S2-4； 步骤S2-3，对所述含有标志点坐标的标注信息的样本图像进行所述监督训练； 步骤S2-4，对所述无标注信息的样本图像进行所述自监督训练； 步骤S2-5，当训练次数达到设定次数，得到所述训练完成的深度神经网络； 其中，所述步骤S2-3包括以下步骤： 步骤S2-3-1，根据标注信息计算真实热点图和真实偏移图； 步骤S2-3-2，将具有标志点坐标的标注信息的样本图像输入到深度神经网络，得到所述预测热点图和所述预测坐标偏移图； 步骤S2-3-3，根据所述真实热点图、所述真实偏移图以及所述预测热点图和所述预测坐标偏移图，构建损失函数，并通过反向传播更新所述深度神经网络的参数； 其中，所述步骤S2-4包括以下步骤： 步骤S2-4-1，将无标注信息的样本图像输入到所述深度神经网络，得到所述预测热点图和所述预测坐标偏移图； 步骤S2-4-2，对所述无标注信息的样本图像进行随机角度的旋转变换； 步骤S2-4-3，将经过旋转变换后的样本图像输入到所述深度神经网络，得到新的预测热点图和新的预测坐标偏移图； 步骤S2-4-4，利用图像中标志点所形成的拓扑结构经过旋转变换后自相似的性质，对比旋转变换前后所述深度神经网络输出的热点图及偏移图之间的相似程度，构建损失函数，并通过反向传播更新所述深度神经网络的参数。

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”。

以上内容由龙图腾AI智能生成。