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！

龙图腾网获悉中国科学院精密测量科学与技术创新研究院申请的专利基于深度学习的磁共振图像半监督分割方法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：CN120411123B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202510428103.6，技术领域涉及：G06T7/10；该发明授权基于深度学习的磁共振图像半监督分割方法及设备是由周欣;郭富民;覃应祺设计研发完成，并于2025-04-07向国家知识产权局提交的专利申请。

本基于深度学习的磁共振图像半监督分割方法及设备在说明书摘要公布了：本发明公开了基于深度学习的磁共振图像半监督分割方法及设备，获取病例数据，构建训练集与测试集；构建配准网络；利用配准网络生成形变图像及形变标签，计算配准损失函数；构建双重分割网络；分别通过形变图像和无标签图像对全监督分割网络和进行训练，计算弱监督相似度损失函数；构建基于特征层面的时空注意力感知模块，计算感知模块相似度损失函数；基于最小化总损失函数对配准网络进行权重参数更新；将待分割的无标签图像输入到训练好的全监督分割网络，获得分割概率图。本发明提出了基于时空连续性的特征层面时空注意力感知模块来挖掘配准图像间的信息，为磁共振图像半监督分割提供了一种有效的新方法。

本发明授权基于深度学习的磁共振图像半监督分割方法及设备在权利要求书中公布了：1.基于深度学习的磁共振图像半监督分割方法，包括以下步骤： 步骤S1：获取病例数据，每份病例数据包括有标签图像和无标签图像，每份病例数据作为样本，基于样本构建训练集与测试集； 步骤S2：构建配准网络； 步骤S3：输入有标签图像和无标签图像至配准网络后，生成形变图像及形变标签，计算配准损失函数； 步骤S4：构建双重分割网络，双重分割网络包括弱监督分割网络和全监督分割网络； 步骤S5：通过形变图像对全监督分割网络进行训练，进行一次反向传播更新全监督分割网络的权重参数；通过无标签图像对弱监督分割网络进行训练，进行一次反向传播更新弱监督分割网络的权重参数；使用弱监督分割网络分割无标签图像并生成对应的伪标签，计算弱监督相似度损失函数； 步骤S6：构建基于特征层面的时空注意力感知模块，将无标签图像和同一样本中的有标签图像作为两个输入图像输入到时空注意力感知模块，获得特征图Fu，将形变图像和同一样本中的有标签图像作为两个输入图像输入到时空注意力感知模块，获得特征图Fw，计算感知模块相似度损失函数； 步骤S7：计算总损失函数，基于最小化总损失函数对配准网络进行权重参数更新； 步骤S8：步骤S1-S7循环执行完成训练后，将待分割的无标签图像输入到训练好的全监督分割网络Segf，获得分割概率图。

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中国科学院精密测量科学与技术创新研究院，其通讯地址为：430071 湖北省武汉市武昌区小洪山西30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。