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！

龙图腾网获悉重庆理工大学申请的专利一种基于混合-解耦训练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：CN116935054B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202310958092.3，技术领域涉及：G06V10/26；该发明授权一种基于混合-解耦训练的半监督医学图像分割方法是由龙建武;任岩设计研发完成，并于2023-08-01向国家知识产权局提交的专利申请。

本一种基于混合-解耦训练的半监督医学图像分割方法在说明书摘要公布了：本发明提供一种基于混合‑解耦训练的半监督医学图像分割方法，包括设计一种扰动策略混合‑解耦来充分正则化大量的未标识医学图像数据：先从数据层面对标记图像和未标记图像进行像素级的混合得到混合目标图像，接着从特征层面对混合目标图像和标记图像的输出预测之间执行解耦操作获得未标记图像的强版本预测，然后强制未标记图像的强版本预测与直接预测保持一致；以及设计分类熵过滤方法为未标记图像筛选可靠的伪标签进行更有效的监督：基于信息熵的理论，先把未标记图像的直接预测对应的分割掩码作为分类依据，再对每个类别按照自适应的过滤比例进行可靠伪标签筛选。本发明能挖掘未标记数据内在的丰富信息，保证模型对边缘敏感信息更加鲁棒。

本发明授权一种基于混合-解耦训练的半监督医学图像分割方法在权利要求书中公布了：1.一种基于混合-解耦训练的半监督医学图像分割方法，其特征在于，包括以下步骤： S1、设计一种高水平多方面的扰动策略混合-解耦来充分正则化大量的未标识医学图像数据：详细地，混合-解耦先从数据层面对标记图像和未标记图像进行像素级的混合得到混合目标图像，接着从特征层面对混合目标图像和标记图像的输出预测之间执行解耦操作从而获得未标记图像的强版本预测，然后强制未标记图像的强版本预测与未标记图像的直接预测保持一致； S2、设计分类熵过滤方法为未标记图像筛选可靠的伪标签从而进行更有效的监督：详细地，基于信息熵的理论，先把未标记图像的直接预测对应的分割掩码作为分类的依据，再对每个类别按照自适应的过滤比例进行可靠伪标签的筛选，通过筛选得到的可靠伪标签进一步对未标记图像的强版本预测进行监督以实现更加精细化的分割； 其中，所述步骤S1中从特征层面对混合目标图像和标记图像的输出预测之间执行解耦操作从而获得未标记图像的强版本预测包括： 在训练过程中，将有标记图像-混合目标图像对xl,xmix送入学生网络中得到各自对应的分割特征图并将未标记图像xu送入教师网络中得到分割特征图由于卷积操作具有平移等变性，于是Fmix看作把Fl与Fu直接混合的近似： Fmix≈Fl+Fu 其中，Fu为学生网络对未标记图像xu的输出，那么执行解耦的目的是从Fmix中剔除Fl，从而得到Fu的增强版本Fudec，然后用Fudec来代替Fu作为可训练信号参与目标方程的计算；具体地，因为神经网络具有分离相应类别通道的能力，并且有标签图像凭借着真实标签具有接近真实的分割特征图Fl，所以使用硬解耦方式直接从混合目标图像的分割特征图Fmix中解耦得到未标记图像的Fudec，具体计算公式如下所示： Fudec＝Fmix-Fl。

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重庆理工大学，其通讯地址为：400054 重庆市巴南区红光大道69号附1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。