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！

龙图腾网获悉华侨大学申请的专利一种无监督域适应医学图像分割方法、装置及设备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：CN121259338B 。

龙图腾网通过国家知识产权局官网在2026-03-03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：202511813317.1，技术领域涉及：G06V10/26；该发明授权一种无监督域适应医学图像分割方法、装置及设备是由陈旭;张希禹;刘栋梁设计研发完成，并于2025-12-04向国家知识产权局提交的专利申请。

本一种无监督域适应医学图像分割方法、装置及设备在说明书摘要公布了：本发明涉及医学图像分割技术领域，特别公开了一种无监督域适应医学图像分割方法、装置及设备，包括如下步骤：S1从源域数据集获取源域图像和源域标签，从目标域数据集获取目标域图像；S2基于源域图像和目标域图像，通过对应域编码器，从图像中提取特征，获取预训练模型；S3将源域图像和目标域图像输入上述预训练模型，获取源域3D融合特征和目标域3D融合特征；S4将上述源域3D融合特征和目标域3D融合特征输入对应域的跨域图像生成器，训练跨域图像生成器；S5采用3D多尺度特征融合策略，获取源域3D融合特征和伪目标域3D融合特征；S6基于步骤S5获取的3D融合特征，训练分割解码器；S7根据分割编码器和分割解码器，分割目标域图像，获取目标域分割结果。

本发明授权一种无监督域适应医学图像分割方法、装置及设备在权利要求书中公布了：1.一种无监督域适应医学图像分割方法，其特征在于，该方法包括以下步骤： S1从源域数据集获取源域图像和源域标签，从目标域数据集获取目标域图像； S2基于源域图像和目标域图像，通过对应域的编码器，从图像中提取特征，采用分组向量量化操作，将提取的特征量化，以获取源域离散特征和目标域离散特征；基于源域离散特征和目标域离散特征，通过对应域的图像生成器将离散特征重构为原图像，并采用对抗学习的方式，预训练源域编码器和目标域编码器，获取预训练模型； S3将源域图像和目标域图像输入上述预训练模型，获取源域离散特征和目标域离散特征，采用3D多尺度特征融合策略，根据多张特征图间的上下文信息分别对两个域的特征进行融合，获取源域3D融合特征和目标域3D融合特征，所述步骤S3中采用3D多尺度特征融合策略，根据多张特征图间的上下文信息分别对两个域的特征进行融合具体为：将连续切片的2D特征图沿通道维度拼接形成2D特征和目标域3D融合特征，通过3D多尺度卷积层提取不同尺度的特征图，再通过通道加权机制融合不同尺度的特征图以获取3D多尺度特征，将所述2D特征组合与3D多尺度特征相加以获取3D融合特征，所述步骤S3中3D多尺度特征融合策略为：， 其中，为同一患者的连续切片的2D特征图拼接组合，为3D多尺度特征融合操作，为3D多尺度特征图，，其中为沿着通道维度拼接，，；，其中，为不同尺度的3D特征图、为卷积核大小为×1×1×1的3D多尺度卷积层、为不同尺度的3D特征图沿通道维度拼接的完整的3D多尺度特征图，为全局平均池化层、为全连接层、为激活函数，为逐元素相乘，给定矩阵，； S4将上述源域3D融合特征和目标域3D融合特征输入对应域的跨域图像生成器，获取伪目标域图像和伪源域图像；基于伪目标域图像和伪源域图像，采用对抗学习的方式，训练跨域图像生成器； S5将真实图像和伪图像输入分割编码器获取图像特征，结合特征对齐损失函数，训练分割编码器；采用3D多尺度特征融合策略，获取源域3D融合特征和伪目标域3D融合特征； S6基于步骤S5获取的3D融合特征，基于源域图像的源域标签，结合分割损失函数，训练分割解码器； S7根据分割编码器和分割解码器，分割目标域图像，获取目标域分割结果。

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华侨大学，其通讯地址为：362000 福建省泉州市丰泽区城华北路269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。