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！

龙图腾网获悉西北工业大学申请的专利基于模型间和模型内不确定性的半监督分割模型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：CN115797637B 。

龙图腾网通过国家知识产权局官网在2025-07-11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：202211704924.0，技术领域涉及：G06V10/26；该发明授权基于模型间和模型内不确定性的半监督分割模型是由金强国;郭菲;崔慧;苏苒;郑江滨设计研发完成，并于2022-12-29向国家知识产权局提交的专利申请。

本基于模型间和模型内不确定性的半监督分割模型在说明书摘要公布了：本发明公开了一种基于模型间和模型内不确定性的半监督分割模型，半监督分割模型，包括学生模型、教师模型和半监督学习损失模块，半监督学习损失模块的计算公式为：本发明的半监督分割模型利用部分标注数据有效地提取了细胞腺体的上下文特征，分割出相应细胞腺体实例并用于下游任务分析，减少了标注数据的使用量，大大降低了专家标注数据所需的工作量。

本发明授权基于模型间和模型内不确定性的半监督分割模型在权利要求书中公布了：1.一种基于模型间和模型内不确定性的半监督分割模型，其特征在于，包括学生模型、教师模型和半监督学习损失模块，所述学生模型和教师模型分别为一个医学图像分割模型，所述学生模型的初始数据为有标注数据和无标注数据，所述教师模型的初始数据为无标注数据，每个所述医学图像分割模型包括：卷积块、二阶网络模型结构、伪蒙版引导特征增强模块、多尺度多阶段特征聚合模块、第一卷积层、第二卷积层和第三卷积层，二阶网络模型结构包括：一阶子网络和二阶子网络； 卷积块用于向其输入初始数据并将从卷积块输出的粗糙特征分别流向一阶子网络和伪蒙版引导特征增强模块； 二阶子网络和一阶子网络的构架相同，各包括：I+1个残差块和一个空洞空间卷积池化金字塔模块，一阶子网络的I+1个残差块用于对粗糙特征进行精细化调整，再向一阶子网络的空洞空间卷积池化金字塔模块输送一阶精细化特征；一阶子网络的空洞空间卷积池化金字塔模块用于对一阶精细化特征提取高阶潜在特征； 第一卷积层用于对一阶子网络获得的高阶潜在特征生成伪蒙版； 伪蒙版引导特征增强模块用于利用伪蒙版增强粗糙特征的表达能力，以获得伪蒙版引导的融合特征； 二阶子网络的I+1个残差块用于输入融合特征并输出二阶精细化特征，二阶子网络的空洞空间卷积池化金字塔模块用于接收二阶子网络的第I+1个残差块输出的二阶精细化特征并输出高阶潜在特征； 多尺度多阶段特征聚合模块包括：多尺度特征聚合模块和多阶段特征聚合模块，多尺度特征聚合模块用于对一阶子网络第i个残差块输出的低级特征和二阶子网络第i个残差块输出的低级特征进行多尺度特征聚合以获得多尺度聚合特征，其中，i＝1、……、I； 第二卷积层用于融合多尺度聚合特征，以输出高阶特征； 多阶段特征聚合模块用于对一阶子网络第I+1个残差块的特征输出、二阶子网络的第I+1个残差块的特征输出和高阶特征进行多阶段特征聚合，进而输出多尺度多阶段聚合特征； 第三卷积层用于对多尺度多阶段聚合特征和由二阶子网络获得的高阶潜在特征进行特征拼接后再融合以获得预测结果； 所述半监督学习损失模块的计算公式为： 其中，Lseg为有监督的损失函数，λt表示第t次训练的一致性损失的平衡因子，表示有标注数据集，Xl表示有标注数据集中的图像，Yl表示有标注数据集中图像的标注，M表示有标注数据集中图像的个数；表示无标注数据集中的图像，N表示无标注数据集的图像个数，λintra为控制模型内不确定性正则化Lintra的权重因子； Lintra＝LmseF1xr|θt，F2xr|θt 其中，Ushape为形状不确定性，Ushape＝-ushapelogushape ushape＝|softmaxF2xr|θt-SoftmaxF2xr|θt′| F2xr|θt为学生模型在第t次训练的预测结果，F1xr|θt为学生模型在第t次训练的伪蒙版，F2xr|θt′为教师模型在第t次训练的预测结果，Lmse表示均方误差损失函数；σ表示最小-最大归一化函数，用以将形状不确定性Ushape归一化到[0，1]； θt为学生模型在第t次训练的权重，θ′t＝αθ′t-1+1-αθt，θ′t为教师模型在第t次训练的权重；θ′t-1为教师模型在第t-1次训练的权重，α为在总的训练过程中使用梯度下降更新学生模型θt的指数移动平均值的衰减率； 为教师模型在第t次训练的预测结果的修正； μ′r＝-F2xr|θt′logF2xr|θt′。

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西北工业大学，其通讯地址为：710072 陕西省西安市碑林区友谊西路127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”。