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！

龙图腾网获悉河北工业大学申请的专利基于跨模型相互教学半监督的房颤辅助分析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：CN115565671B 。

龙图腾网通过国家知识产权局官网在2025-06-27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：202211264344.4，技术领域涉及：G16H50/20；该发明授权基于跨模型相互教学半监督的房颤辅助分析方法是由向顺;王健儒;王元全;郭世杰;苏卫华设计研发完成，并于2022-10-14向国家知识产权局提交的专利申请。

本基于跨模型相互教学半监督的房颤辅助分析方法在说明书摘要公布了：本发明为基于跨模型相互教学半监督的房颤辅助分析方法，引入可变形的Transformer，构建左心房分割模型，使左心房分割模型能够提取图像之间的长依赖信息，充分利用心脏核磁共振图像的空间信息提高左心房区域的分割精度；其次，搭建基于跨模型相互教学的半监督训练框架对左心房分割模型进行训练，利用训练后的左心房分割模型对3D心脏核磁共振图像进行分割，生成左心房分割预测图；最后，将生成的左心房分割预测图进行重建，计算左心房的直径、体积、体积指数和左心房球形度四种临床指标，并参考正常参考值范围，结合临床经验辅助医生进行房颤分析。该方法通过跨模型相互教学的半监督机制，在医学数据缺乏的情形下缓解了模型对标签数据的依赖。

本发明授权基于跨模型相互教学半监督的房颤辅助分析方法在权利要求书中公布了：1.一种基于跨模型相互教学半监督的房颤辅助分析方法，其特征在于，该方法包括以下步骤： S1、在训练阶段采用包含随机翻转、对比度增强以及随机裁剪在内的方式进行数据增强，在推理阶段采用中心裁剪进行数据增强，将待分割的3D心脏核磁共振图像裁剪为规定大小； S2、引入可变形的Transformer，构建左心房分割模型；左心房分割模型包括基于卷积神经网络的编码器、3D可变形的Transformer编码器和基于卷积神经网络的解码器； 基于卷积神经网络的编码器包括多个级联的编码器层，每个编码器层均包含卷积层、归一化层、激活层和下采样层，待分割的3D心脏核磁共振图像通过基于卷积神经网络的编码器进行特征提取，得到多尺度空间特征图； 3D可变形的Transformer编码器由多个3D可变形的Transformer编码器层堆叠而成，每个3D可变形的Transformerr编码器层均包括级联的自注意力层、归一化层、前向反馈层和归一化层，自注意力层和前向反馈层采用残差连接； 基于卷积神经网络的编码器提取的空间特征图输入到3D可变形的Transformer编码器中，通过3D位置编码器对输入的空间特征图进行扁平化，同时将空间特征图中左心房区域的像素点作为关键点；将扁平化后的空间特征图和关键点输入到自注意力层中，自注意力层利用3D可变形的多头自注意力机制使3D可变形的Transformerr编码器只关注空间特征图的部分像素点，3D可变形的自注意力机制是将注意力机制在Z轴方向拓展得到，表达式为： 式中，表示3D可变形的多头注意力机制，zq表示像素点的坐标，表示zq的归一化坐标，表示多尺度空间特征图，m表示多头注意力机制的自注意力头索引编号，M表示自注意力头数，L表示空间特征图数量，Wm、Wm均表示单位矩阵，K表示像素点的数量，Δpmlqk和Amtqk分别表示第m个注意力头第l个空间特征图第k个像素点的采样偏移量和注意力权重；表示将归一化坐标转换为对应的第l个空间特征图； 基于卷积神经网络的解码器包括与编码器层数量相同的解码器层，除最后一个解码器层为上采样层外，其余解码器层均为转置卷积； S3、搭建基于跨模型相互教学的半监督训练框架；将左心房分割模型作为教师模型，V-Net模型作为学生模型，监督损失Lsup的表达式为： Lsup＝0.5×LCEyi，pi+LDICEyi，pi4 式中，LCEyi，pi、LDICEyi，pi分别表示左心房分割预测图pi与真实标签yi之间的交叉熵损失和骰子系数损失； 对于未标签数据，使用跨模型相互教学的半监督训练，3D心脏核磁共振图像分别输入到教师模型和学生模型中产生两个伪标签，利用教师模型为学生模型提供伪标签，利用学生模型为教师模型提供伪标签；对生成的伪标签进行过滤，将左心房分割预测图中像素点的置信度作为过滤指标，分别对左心房分割预测图的前景和背景设置阈值，对于左心房分割预测图的前景选择置信度高于前景阈值的像素点，左心房分割预测图的背景选择置信度小于背景阈值的像素点，将左心房分割预测图中的其余像素点删除，得到过滤后的左心房分割预测图；利用过滤后的左心房分割预测图和伪标签计算模型训练的二交叉熵损失为： 其中，分别表示左心房分割预测图的前景和背景，γ和β分别表示前景阈值和背景阈值；表示伪标签，包括教师模型为学生模型提供的伪标签和学生模型为教师模型提供的伪标签左心房分割预测图pi包括教师模型和学生模型的预测结果； 跨模型相互教学的策略损失函数Lcmt定义为： 式中，表示教师模型的预测结果与伪标签的二交叉熵损失，表示学生模型的预测结果与伪标签的二交叉熵损失； 模型训练总的损失函数表示为： Ltotal＝Lsup+αLcmt11 其中，Lsup表示监督损失，Lcmt表示跨模型相互教学的策略损失，α表示平衡因子； 平衡因子α的表达式为： 式中，t表示模型当前的训练步数，tmax表示模型的最大训练步数； S4、对同一张3D心脏核磁共振图像生成的多张左心房分割预测图按照原来的位置进行3D重建，得到重建后的左心房分割预测图；基于重建后的左心房分割预测图，计算左心房的直径、体积、体积指数和左心房球形度四种临床指标，医生将这些临床指标与正常参考值范围进行比较，并结合临床经验判断患者是否有房颤，实现房颤的辅助分析。

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河北工业大学，其通讯地址为：300130 天津市红桥区丁字沽光荣道8号河北工业大学东院330#；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”。