Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 安徽大学杜秀全获国家专利权

安徽大学杜秀全获国家专利权

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!

龙图腾网获悉安徽大学申请的专利一种使用差异信息的2D mean teacher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:CN115661459B

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:202211363695.0,技术领域涉及:G06V10/26;该发明授权一种使用差异信息的2D mean teacher模型是由杜秀全;王召鹤;邹军国;吴昌雨设计研发完成,并于2022-11-02向国家知识产权局提交的专利申请。

一种使用差异信息的2D mean teacher模型在说明书摘要公布了:本发明涉及一种使用差异信息的2Dmeanteacher模型,其是在meanteacher框架的基础上改进得到的。meanteacher框架是一个比较流行的半监督学习框架,很多优秀的半监督框架都是对其的改造。本发明在基础的meanteacher基础上,提取出学生模型的预测和教师模型的预测间的差异信息,然后通过约束提取出的差异信息,来保证学生模型和教师模型之间的预测一致性,保证二者可以互相学习。同时,为了进一步保证学生模型和教师模型间的一致性,从而提升模型性能,本发明利用提取的差异信息,对模型间的一致性损失进行了改进,使其能够更加关注图像的具有挑战性的区域。

本发明授权一种使用差异信息的2D mean teacher模型在权利要求书中公布了:1.一种使用差异信息的2Dmeanteacher模型,其为一个2D模型,用于左心房图像的分割,2Dmeanteacher模型在分割时包括以下步骤: 步骤一,对得到的左心房数据集进行数据预处理,所述左心房数据集包括多张左心房图像; 步骤二,将处理好的所述左心房数据集划分为训练集和测试集,训练集中的数据用于2Dmeanteacher模型的模型训练,经过多次训练,得到一个在训练集上优化的2Dmeanteacher模型; 步骤三,使用测试集对训练集得到的模型进行验证,进一步评估模型的性能; 其特征在于: 在步骤一中,对所述左心房数据集中的3D数据,需要先进行切片处理,然后将得到的切片统一变成2Dmeanteacher模型要求的大小; 在步骤二中,训练集和测试集的划分比例一般为训练集占80%,测试集占20%,然后将训练集中的切片分成有标签切片和无标签切片,且保证无标签切片的数量要大于有标签切片; 在步骤三中,2Dmeanteacher模型包括学生模型和教师模型,训练集中有标签切片全部进入学生模型中进行处理,而无标签切片会进入教师模型和学生模型中进行处理;无论是学生模型还是教师模型都是一个基础的2DUnet网络,但是在Unet网络解码器的最后一个上采样层处额外添加了一个1×1的卷积层和sigmoid层,倒数第二个上采样层处额外添加了一个上采样层,1×1的卷积层和sigmoid层,从而得到和2DUnet网络最后的预测图同样尺寸的中间预测图; 其中,在2Dmeanteacher模型中,学生模型和教师模型拥有相同的网络架构,教师模型的权重使用学生模型的权重的指数移动平均值EMA更新,第t步的教师模型权重将更新为,其中用来控制EMA的更新率,也就是在教师模型第t步的权重中,第t步的学生模型权重和第t-1步的教师模型权重各自所占的比例; 当切片进入到学生模型后,无论是学生模型的最后还是中间都会得到相应的预测结果,然后,对于有标签切片,会计算出一个有监督损失,这个有监督损失根据的是有标签切片经过学生模型后,在学生模型的最后产生的预测结果和这有标签切片对应的标签计算得到的,如下公式所示: 其中,表示dice损失函数,用来评估有标记切片输入上的网络预测质量; i表示有标签切片的序号,取值为1,2,…,L,L为正整数表示有标签切片的数量; 表示学生模型的分割网络; 为学生模型的网络权重; 为第i张有标签切片; 为第i张有标签切片的标签。

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安徽大学,其通讯地址为:230601 安徽省合肥市经济技术开发区九龙路111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”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。