Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 武汉大学孔政敏获国家专利权

武汉大学孔政敏获国家专利权

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!

龙图腾网获悉武汉大学申请的专利一种基于合成数据的半监督全景X光片目标检测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:CN116503343B

龙图腾网通过国家知识产权局官网在2026-03-13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:202310404018.7,技术领域涉及:G06T7/00;该发明授权一种基于合成数据的半监督全景X光片目标检测方法是由孔政敏;欧阳晖;丁李;周玉生设计研发完成,并于2023-04-14向国家知识产权局提交的专利申请。

一种基于合成数据的半监督全景X光片目标检测方法在说明书摘要公布了:本发明公开了一种基于合成数据的半监督全景X光片目标检测方法。首先,获取全景X光片数据集,训练可控的合成模型,生成类别均衡的样本;其次,获取全景X光片数据集和诊断标注,训练目标检测诊断的有监督模型;然后,获取合成样本的弱标签,使用半监督目标检测方法训练诊断模型,以达到更准确的诊断性能;最后,将训练好的目标检测诊断模型部署在终端设备的软件后端中,导入患者的全景X光片数据以做出诊断。本发明解决了传统方法影像由于数据不足和数据标注不足导致的模型准确性不够高的问题。

本发明授权一种基于合成数据的半监督全景X光片目标检测方法在权利要求书中公布了:1.一种基于合成数据的半监督全景X光片目标检测方法,其特征在于,包括如下步骤: 步骤1,获取全景X光片数据集,训练深度合成模型,控制深度合成模型生成类别均衡的样本;包括以下子步骤: 步骤1.1,准备少量的有标签全景X光片数据集,按每个样本中的每个目标的病症标签类别分别进行编码,加权后得到整体的病症标签作为整个样本的类别标签; 步骤1.2,用数据集训练深度合成模型,要求合成结果在满足类别的同时,合成具有较真实性的高质量结果; 所述深度合成模型为改进的生成对抗网络,包括生成器和鉴别器,生成对抗网络的具体处理过程为:给定类别标签即严重系数SC值,与风格向量S、常量输入,一起作为生成器输入,这些输入量通过生成器的运算输出合成样本,即具有SC类别的假样本,其中风格向量S是通过随机向量Z映射获得,常量输入是任意的;合成样本输入鉴别器,分别得到其真实性和SC类别的判别值,其判别值与给定SC值计算损失函数,指导生成器和鉴别器的训练,最后得到可以控制合成给定SC值的生成器; 所述生成器包括两部分内容,上侧为输入向量Z通过多层全连接映射为风格向量S的映射模块,下侧为风格向量控制输入生成结果的主要模块,在主要模块中,低分辨率尺寸的输入通过多层上采样特征提取块B块扩展分辨率,其过程受风格向量S的分量分别控制,然后,每一阶段B块的输出通过风格映射输出块R块输出为OUT1、…OUTn,全部加和后即为输出结果,n表示风格向量分量的个数;其中B块的结构中,输入特征图经过上采样,然后经过两个3X3卷积,最后输出;R块的结构中,输入特征图经过3X3卷积,然后经过上采样,最后输出; 所述鉴别器有两个支路,输入待鉴别样本通过上侧的支路,途径若干个残差下采样块D块以减小特征图尺寸;通过下侧的支路,途径简单的最临近下采样块P块以减小特征图尺寸;两条支路在每个下采样阶段后通过特征图加法,融合后作为下一阶段的输入,最后的融合特征再经过一个残差下采样块之后输出预测结果;其中P块的结构中采用的是2X2的最临近下采样运算,D块的结构中,输入先经过1X1卷积,然后分为两个之路,一个支路进行两次3X3卷积,另一个支路进行1X1卷积,然后两个之路进行特征图加法,最后进行是2X2的最临近下采样运算之后输出; 步骤1.3,应用训练好的深度合成模型,合成相对原有标签数据集的规模K倍以上的合成数据,同时满足合成数据的类别均衡; 步骤2,获取全景X光片数据集和诊断标注,训练深度目标检测网络模型; 步骤3,获取合成样本的弱标签,对整个无标签数据集使用半监督目标检测方法训练诊断模型,以达到更准确的诊断性能;包括以下子步骤: 步骤3.1,用步骤2中获得的目标检测诊断模型,实施在步骤1合成的无标签样本上,获取弱标签; 步骤3.2,训练半监督目标检测模型,为输入的样本引入噪声,并通过一致性正则项约束,让半监督目标检测模型在具有弱标签的数据集上训练至收敛,得到初步的半监督检测模型; 步骤3.3,将步骤3.2得到的半监督检测模型作为步骤3.1中的目标检测诊断模型,再次重新获取弱标签,并重复步骤3.1和步骤3.2,这个迭代过程循环若干次,直至模型完全收敛,得到最终的半监督检测模型; 步骤4,将训练好的目标检测诊断模型部署在终端设备的软件后端中,导入患者的全景X光片数据以做出诊断。

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武汉大学,其通讯地址为:430072 湖北省武汉市武昌区八一路299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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。