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！

龙图腾网获悉浙江工业大学申请的专利一种基于co-teaching和噪声标签学习的纤维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：CN116758095B 。

龙图腾网通过国家知识产权局官网在2025-12-12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：202310766200.7，技术领域涉及：G06T7/11；该发明授权一种基于co-teaching和噪声标签学习的纤维分割方法是由冯远静;周宇轩;何建忠;潘轶昂;程一峰;陈淑琪设计研发完成，并于2023-06-27向国家知识产权局提交的专利申请。

本一种基于co-teaching和噪声标签学习的纤维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，具体涉及一种基于co‑teaching和噪声标签学习的纤维分割方法。方法包括：构建训练数据集；使用专家标注的脑纤维图片标签预训练两个PiontNet网络；将训练数据集分别输入至预训练后的两个网络中为各样本打上伪标签，并将带标签的样本输入分别至预训练的两个网络中；将所有打上标签的样本划分为高质量标签、噪声标签，基于co‑teaching思想让两个网络互相教导；分别从两个网络筛选的噪声标签中，随机选取部分噪声标签对应的数据进行数据增强处理，并预测其输出；计算训练过程中两个网络的损失函数，对两个网络的参数进行更新；使用数据增强处理后的预测输出对满足条件的噪声标签进行校正；不断迭代以得到最后需要进行分割的纤维的标签。

本发明授权一种基于co-teaching和噪声标签学习的纤维分割方法在权利要求书中公布了：1.一种基于co-teaching和噪声标签学习的纤维分割方法，其特征在于，包括： S1、获取无关联性的全脑纤维图像作为数据样本，并构建训练数据集； S2、将专家标注的脑纤维图片标签作为输入数据，预训练PiontNet1和PiontNet2； S3、将训练数据集分别输入至预训练的PiontNet1、PiontNet2中，预训练的PiontNet1、PiontNet2均通过classifier为训练数据集中的各样本数据打上伪标签，并将带标签的样本数据分别输入至预训练的PiontNet1、PiontNet2中； S4、PiontNet1、PiontNet2均根据阈值，对打上伪标签的样本数据以及带标签的样本数据进行筛选，并根据阈值将样本数据的标签划分为高质量标签和噪声标签； S5、PiontNet1、PiontNet2基于co-teaching思想互相教导，以得到PiontNet1最终的筛选结果以及PiontNet2最终的筛选结果； S6、在互相教导时，随机筛选出一部分噪声标签对应的数据进行数据增强，并预测数据增强处理后的输出； S7、计算训练过程中PiontNet1、PiontNet2的损失函数，并依据损失函数更新PiontNet1、PiontNet2的参数； S8、在PiontNet1、PiontNet2更新后，使用数据增强处理后的预测输出对满足预设条件的噪声标签进行校正； S9、不断迭代以得到最后需要进行分割的纤维的标签； 步骤S7中，损失函数由一致性损失和分割损失加权计算得到； 一致性损失的计算公式为： 其中，yi表示一个批次中第i个标签的真实值，y'i表示一个批次中第i个标签的预测值，N表示一个批次中标签的总数，Lcon表示y'关于y的一致性损失； 分割损失的计算公式为： 其中，LDice表示Dice损失，LCE表示交叉熵损失，α表示加权系数，ε表示确保损失函数值稳定的常数，Lseg表示y'关于y的分割损失。

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浙江工业大学，其通讯地址为：310014 浙江省杭州市拱墅区潮王路18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。