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！

龙图腾网获悉浙江大学;杭州电子科技大学申请的专利一种深度半监督分割的儿童脑部MRI脱髓鞘病灶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：CN114677389B 。

龙图腾网通过国家知识产权局官网在2026-02-17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：202210331876.9，技术领域涉及：G06T7/11；该发明授权一种深度半监督分割的儿童脑部MRI脱髓鞘病灶定位方法是由高峰;徐璐;魏劭农;王天磊;蒋铁甲;张洪锡;刘珂舟;曹九稳设计研发完成，并于2022-03-30向国家知识产权局提交的专利申请。

本一种深度半监督分割的儿童脑部MRI脱髓鞘病灶定位方法在说明书摘要公布了：本发明公开了一种深度半监督分割的儿童脑部MRI脱髓鞘病灶定位方法，首先进行数据集构建，然后构建分割模型，分割模型包括Student网络和Teacher网络两个部分；利用构建的数据集进行Student网络训练，并根据反向传播后的Student网络参数进行参数漂移得到Teacher网络参数；本发明方法针对性设计预处理方式，使得本发明对成像过程中可能出现的问题具有良好的补偿。利用图像增强、图像加噪声和半监督的方式，使得模型只需要少量的标注图像就能获得很好的分割性能，并对噪声和伪影获得良好的鲁棒性能，解决了标注过程存在的难度大、不准确、费时费力的问题。

本发明授权一种深度半监督分割的儿童脑部MRI脱髓鞘病灶定位方法在权利要求书中公布了：1.一种深度半监督分割的儿童脑部MRI脱髓鞘病灶定位方法，其特征在于，包括如下步骤： 步骤1、数据集构建，数据增强与标注；通过回溯医院病例构建原始数据集，使用3D slicer标注软件进行数据标注；并基于数据特性对图像数据进行裁剪、切割、清洗、数据增强； 步骤2、分割模型构建；分割模型包括Student网络和Teacher网络两个结构相同但参数更新方式不同的两个部分； 步骤3、基于所构建的分割模型，利用构建的数据集进行Student网络训练，并根据反向传播后的Student网络参数进行参数漂移得到Teacher网络参数； 步骤4、模型测试与量化输出；通过训练好的分割模型对急性播散性脑脊髓炎患儿脑部MRI进行病灶检测，输出其病灶的像素区域二值图mask； 所述步骤1，具体步骤如下： 1‑1、收集急性播散性脑脊髓炎患者的脑部核磁共振图像数据； 1‑2、使用3D slicer标注软件对原始数据中的病灶进行逐像素标注；对于原始的dicom格式的脑部核磁共振图像数据，提取图像保存为nrrd格式，图像为单通道16bit灰度图，标注结果采用二值图形式也保存为nrrd格式，并在标注过程中对图像进行进一步筛选，筛选出其中不符合急性播散性脑脊髓炎病变的图像； 1‑3、中心裁剪： 根据图像特性，中心裁剪掉图像中大脑周围黑色边界，并补0使图像长宽一致；对标注图也做对应操作； 1‑4、对过曝的图像进行清洗： 将1‑3处理后的图像计算每幅图像的直方图均值和方差，并将计算结果作为特征训练一个简单的线性分类器对图像的过曝情况进行识别；迭代地将这部分图像的最大灰度部分降低，直到线性分类器识别结果为不过曝图像； 1‑5、对图像进行增强：图像增强处理包括随机反转、随机剪裁、随机旋转和随机平移，增加训练数据量；对标注图做对应操作； 1‑6、图像切割与数据集构建：将1‑5处理后的图像与标注图切割为相同大小的图像块，所得图像与标注图的集合即为构建的ADEM数据集； 所述步骤2，具体步骤如下： 2‑1、构建基本网络： 分割模型包括Student网络与Teacher网络两部分，两网络使用相同的网络结构与不同的参数更新规则；基本网络采用Encode‑Decode结构，分为编码路径、解码路径两部分，设置输入为单通道16bit灰度图； 2‑2、编码路径包括若干个特征提取模块，每个特征提取模块包括卷积层、池化层和批量归一化层，池化方法为最大值池化； 卷积层： OT＝IT*C其中O为向量化的输出特征图，I为向量化的输入图像，C为向量化的卷积矩阵，T表示转置； 批量归一化层： 其中yi为第i维度批量归一化层输出，γ,β为可训练参数，为第i维度特征xi的归一化结果，B为输入数据集合，∈为一个极小的正数，μB为输入数据的样本均值，为输入数据的样本方差，m为输入数据的量； 2‑3、编码路径与解码路径通过一个过渡桥结构连接，所述的过渡桥结构包括卷积层和批量归一化层； 2‑4、解码路径与编码路径对称，包括若干个特征提取块，每个特征提取块包括上采样层、卷积层和批量归一化层；上采样方法为转置卷积，转置卷积定义为： IT＝OT*CT转置卷积是一个具有可学习参数的上采样算法，每次转置卷积使特征图通道数收缩为原来的二分之一，边长放大为原来的二倍；转置卷积的输出特征图与编码路径对称位置的输出特征图以跳跃连接方式连接，方式为通过插值将编码路径输出特征图和解码路径输出特征图统一大小后进行通道堆叠，通道总维数变为原来二倍； 2‑5、Teacher网络与Student网络具有相同的网络结构。

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大学;杭州电子科技大学，其通讯地址为：310027 浙江省杭州市西湖区三墩镇余杭塘路866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。