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！

龙图腾网获悉衡阳师范学院申请的专利模态缺失脑肿瘤影像自动分割的孪生自蒸馏方法和系统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：CN115965638B 。

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：202211669967.X，技术领域涉及：G06T7/11；该发明授权模态缺失脑肿瘤影像自动分割的孪生自蒸馏方法和系统是由焦铬;刘佳豪设计研发完成，并于2022-12-25向国家知识产权局提交的专利申请。

本模态缺失脑肿瘤影像自动分割的孪生自蒸馏方法和系统在说明书摘要公布了：本发明公开模态缺失脑肿瘤影像自动分割的孪生自蒸馏方法和系统，其中，孪生自蒸馏方法包括：使用孪生的U型网络建立孪生模型，使用带有标签的脑肿瘤影像数据对孪生模型进行监督训练和生成对抗训练，得到模型中间层特征和输出层预测图；根据随机模态缺失信号对模型中间层特征进行模态解耦，得到缺失模态特征和未缺失模态特征，对缺失模态特征和未缺失模态特征进行蒸馏对齐；对缺失模态预测图进行随机加噪和重建，对重建的缺失模态预测图和全模态预测图进行蒸馏对齐；使用缺失模态数据对训练完成的孪生模型进行推理和模型性能验证，得到孪生模型的分割精度。本发明的技术方案能解决现有技术中存在资源浪费且分割精度较低的问题。

本发明授权模态缺失脑肿瘤影像自动分割的孪生自蒸馏方法和系统在权利要求书中公布了：1.一种模态缺失脑肿瘤影像自动分割的孪生自蒸馏方法，其特征在于，包括： 使用孪生的U型网络建立孪生模型，使用带有标签的脑肿瘤影像数据对所述孪生模型进行监督训练和生成对抗训练，得到模型中间层特征和输出层预测图，其中，所述输出层预测图包括缺失模态预测图和全模态预测图； 根据所述孪生模型的随机模态缺失信号，对所述模型中间层特征进行模态解耦，得到缺失模态特征和未缺失模态特征，对所述缺失模态特征和未缺失模态特征进行蒸馏对齐； 对所述缺失模态预测图依次进行随机加噪和重建，对重建后的缺失模态预测图和所述全模态预测图进行蒸馏对齐； 使用缺失模态数据对训练完成的所述孪生模型进行推理和模型性能验证，得到所述孪生模型的分割精度； 所述模型中间层特征包括缺失模态语义特征和全模态语义特征，所述对所述缺失模态特征和未缺失模态特征进行蒸馏对齐的步骤，包括： 使用卷积块对所述缺失模态语义特征进行二次编码，得到编码缺失语义特征； 根据模态输入顺序分别对所述编码缺失语义特征与所述全模态语义特征进行划分，得到多种基本模态特征，其中，所述基本模态特征包括缺失模态特征和未缺失模态特征； 蒸馏对齐所述编码缺失语义特征和所述全模态语义特征的缺失模态特征，以及蒸馏对齐所述编码缺失语义特征和所述全模态语义特征的未缺失模态特征； 所述对所述缺失模态预测图依次进行随机加噪和重建的步骤，包括： 根据预设掩码比例，生成与所述标签等大的随机掩码矩阵； 使用所述随机掩码矩阵，根据所述标签分别生成所述缺失模态预测图中肿瘤区域和非肿瘤区域的掩码； 遍历所述肿瘤区域和非肿瘤区域的掩码，得到所述肿瘤区域和非肿瘤区域的像素； 使用所述随机掩码矩阵对缺失模态预测图中肿瘤区域和非肿瘤区域分别进行加噪，得到加噪后的缺失模态预测图； 使用卷积块对所述加噪后的缺失模态预测图进行重建，得到重建后的缺失模态预测图； 所述对重建后的缺失模态预测图和所述全模态预测图进行蒸馏对齐的步骤，包括： 使用加噪后的缺失模态预测图和全模态预测图，根据标签引导掩码生成蒸馏的蒸馏损失函数： ； 计算得到所述标签引导掩码生成蒸馏的蒸馏损失，其中，Yf表示全模态预测图，表示加噪后的缺失模态预测图，Rec表示卷积块，k表示病变程度不同的肿瘤区域。

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衡阳师范学院，其通讯地址为：421000 湖南省衡阳市雁峰区黄白路165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”。