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！

龙图腾网获悉苏州大学申请的专利一种三维医学图像分割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：CN120219754B 。

龙图腾网通过国家知识产权局官网在2025-08-08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：202510696653.6，技术领域涉及：G06V10/26；该发明授权一种三维医学图像分割方法是由倪锦根;卜倩倩;董斌;朱子聪设计研发完成，并于2025-05-28向国家知识产权局提交的专利申请。

本一种三维医学图像分割方法在说明书摘要公布了：本发明涉及图像处理技术领域，公开了一种三维医学图像分割方法，包括基于双网络分割模型并行的两个子网络获取每个样本的两个预测分割概率图，并计算未标注样本的软伪标签；利用距离回归头与双曲正切函数，基于解码特征图，获取每个样本的两个预测符号距离场；计算每个标注样本的分割损失与回归损失，并相加，得到监督损失；计算每个未标注样本的伪标签一致性损失与符号距离一致性损失，并相加，得到一致性损失；在监督损失与一致性损失的联合约束下优化双网络分割模型；利用训练好的双网络分割模型获取输入的待分割三维医学图像的分割结果。本发明有效缓解了三维医学图像中的类别不平衡问题并提升了弱边缘区域的分割精度。

本发明授权一种三维医学图像分割方法在权利要求书中公布了：1.一种三维医学图像分割方法，其特征在于，包括： 获取包括标注样本与未标注样本的三维医学图像样本集； 将所有样本分别输入双网络分割模型并行的两个子网络中，获取每个样本的两个预测分割概率图，并基于未标注样本的未归一化分类得分，计算未标注样本的软伪标签；子网络基于V-Net网络构建，在编码器部分引入简单注意力模块，增强对关键区域的感知；在解码器部分融合边缘增强模块，增强对弱边缘区域的感知能力； 利用距离回归头与双曲正切函数，基于所有样本经过每个子网络的解码器输出的解码特征图，获取每个样本的两个预测符号距离场； 对于每个标注样本：计算每个预测分割概率图与真实标签的交叉熵损失函数，得到分割损失；计算每个预测符号距离场与真实符号距离函数的符号距离函数损失，得到回归损失；将分割损失与回归损失相加，得到标注样本的监督损失； 对于每个未标注样本：计算每个预测分割概率图与软伪标签的交叉熵损失与Dice损失的平均值，得到伪标签一致性损失；计算两个预测符号距离场之间的符号距离函数损失，得到符号距离一致性损失；将伪标签一致性损失与符号距离一致性损失相加，得到未标注样本的一致性损失； 基于标注样本的监督损失与未标注样本的一致性损失，得到总损失函数，对双网络分割模型中每个子网络进行训练； 利用训练好的双网络分割模型获取输入的待分割三维医学图像的分割结果； 其中，将三维医学图像样本输入双网络分割模型中前，还包括对三维医学图像样本进行数据增强，包括： 对标注样本与未标注样本均进行随机裁剪与随机翻转，获取对应的标注三维输入样本数据和未标注三维输入样本数据； 基于每个标注三维输入样本数据中所包含的小类别器官区域的区域体积，以及小类别器官集合中体积最小的类别的体积，计算小类别器官区域的体积权重； 基于小类别器官区域中体素点的位置，计算小类别器官区域的符号距离函数；表示下确界，表示三维输入样本数据中第层切片在位置处的体素点，表示小类别器官区域表面的体素点，表示体素点与之间的平方欧几里得距离；、与分别表示在小类别器官区域的外部区域、表面与内部区域； 基于小类别器官区域的体积权重与符号距离函数，以及拟合狄拉克函数，计算目标器官区域的主动轮廓形变场，表示为：；表示形变幅度控制参数，表示拟合狄拉克函数，表达式为，为正常数，为拟合狄拉克函数的计算变量；表示水平集的梯度，表示为； 基于三维高斯核函数与主动轮廓形变场，计算平滑形变场；为三维高斯核函数，为标准差，为卷积运算符号； 基于平滑形变场对标注三维输入样本数据及其对应的真实标签进行平滑形变，获取标注样本对应的输入样本与增强后的真实标签，为逐元素乘法运算符号。

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苏州大学，其通讯地址为：215299 江苏省苏州市吴江区久泳西路1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”。