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！

龙图腾网获悉南京邮电大学申请的专利一种医学图像分割中的难样本处理算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：CN116740346B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202310620968.3，技术领域涉及：G06V10/26；该发明授权一种医学图像分割中的难样本处理算法是由朱恩嵘;胡晓飞;赵昊宸;吴佳芸设计研发完成，并于2023-05-30向国家知识产权局提交的专利申请。

本一种医学图像分割中的难样本处理算法在说明书摘要公布了：本发明提供一种医学图像分割中的难样本处理算法，包括以下步骤：对待分割的医学图像进行预处理，通过标签得到前景与背景，将前景作为正样本，背景作为负样本；利用基于对比学习的医学图像分割网络模型以及后处理算法对医学图像数据集进行训练；利用难样本召回损失函数和非侵入目标区域Cutout算法对图像中的难样本进行特殊的处理。难样本召回损失函数能够关注到难样本下的小目标区域并有效定位，非侵入目标区域Cutout算法能够在保证待分割区域不被侵入受损的前提下，减少冗余区域的特征像素，减轻模型对于冗余区域的分割压力，从而提升模型的可靠性，在一定程度上解决了心脏医学图像数据集中难样本的分割问题，更好地提高心脏医学图像分割的准确性。

本发明授权一种医学图像分割中的难样本处理算法在权利要求书中公布了：1.一种医学图像分割中的难样本处理算法，应用于对特定组织结构MRI图像中的难样本进行分割，其特征在于，包括以下步骤： 步骤1、划分数据集，将数据集按照4：3：3划分为训练集、验证集和测试集； 步骤2、确定正样本为待分割区域，负样本为背景，确定数据集中待分割区域较小的样本图像为难样本； 步骤3、利用非侵入目标区域Cutout算法预处理方法对待分割的MRI图像进行数据扩增处理，获得与待分割区域相关度高的初始的训练模型；将得到的裁剪之后的图像，划分数据集，得到训练集数据、验证集数据和测试集数据； 步骤31、通过非侵入目标区域的Cutout算法确定训练集中的最近切割点，所述最近切割点由所有训练集的待分割区域中面积最大的一块决定的，是该区域中距离图像边缘最近的点； 步骤32、以最近切割点为顶点，与图像边缘一起形成矩形，不侵入前景区域，对所述的矩形进行切割，剩余部分即为经非侵入目标区域Cutout算法得到的增强数据； 步骤33、将切割后的训练集放入所述初始的训练模型中训练，让所述初始的训练模型在不影响模型学习待分割区域的位置信息和特征纹理的情况下，减少对冗余区域的特征的学习； 步骤4、将基于对比学习的医学图像分割网络的损失函数部分加入难样本召回损失函数，并利用所述医学图像分割网络对所述MRI图像数据集进行训练，获得最终的训练模型；如果训练任务中存在半监督任务或者其他下游任务中，在基于自训练的框架下，利用伪标签对无标签的数据集进行训练并获得最终的训练模型。

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南京邮电大学，其通讯地址为：210023 江苏省南京市栖霞区文苑路9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。