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！

龙图腾网获悉合肥锐视医疗科技有限公司申请的专利一种基于半监督学习的医学图像器官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：CN117808837B 。

龙图腾网通过国家知识产权局官网在2025-08-12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：202311850926.5，技术领域涉及：G06T7/136；该发明授权一种基于半监督学习的医学图像器官分割方法是由杨义瑞设计研发完成，并于2023-12-28向国家知识产权局提交的专利申请。

本一种基于半监督学习的医学图像器官分割方法在说明书摘要公布了：本发明公开了一种基于半监督学习的医学图像器官分割方法，属于生命科学和医学影像设备技术领域，该方法包括如下步骤：步骤S1：构建器官分割模型并进行训练，得到训练后的器官分割模型；步骤S2：将医学图像数据输入训练后的器官分割模型；步骤S3：训练后的器官分割模型对输入图像进行分割，输出医学图像的分割结果。该方法可快速准确的对医学图像进行器官分割处理，提高了模型器官分割效果和效率。

本发明授权一种基于半监督学习的医学图像器官分割方法在权利要求书中公布了：1.一种基于半监督学习的医学图像器官分割方法，其特征在于：包括如下步骤： 步骤S1：构建器官分割模型并进行训练，得到训练后的器官分割模型； 所述步骤S1中的所述构建器官分割模型并进行训练包括如下步骤： 步骤S11：获取训练数据集； 步骤S12：搭建器官分割模型：基于神经网络构建器官分割模型，所述器官分割模型包括老师模型与学生模型，所述老师模型和所述学生模型结构相同，参数权重不同； 所述学生模型的参数权重为，其通过使用优化算法优化损失函数来更新； 所述老师模型的参数权重为，其根据学生模型的参数权重使用移动平均指数更新，公式为： 1 其中是用于控制老师模型参数权重更新方向的参数； 步骤S13、分别训练老师模型与学生模型； 所述步骤S11中所述训练数据集包括有标注的训练数据集和无标注的训练数据集，其中， 有标注的训练数据集被表示为： （2） 其中是带标注的医学图像数据，是相对应的标注数据，和组成带有标注的数据对，中一共有对有标注的数据对，......分别表示有标注的数据对的序号； 无标注的训练数据集被表示为: 3 其中是无标注的医学图像数据，中一共有个无标注的数据，……分别表示无标注的数据的序号，； 所述步骤S13的具体步骤包括： 步骤S131：训练数据处理：分别从与中采样组有标注的数据和个无标注的数据； 步骤S132：根据所述步骤S131中采样得到的数据，对老师模型和学生模型进行训练； 所述步骤S132中，训练过程中分别计算有标注损失、无标注损失和对比损失，计算过程如下： 计算有标注损失：将中每一组数据对的输入学生模型得到第一分割结果，利用分割损失函数计算有标注损失； 计算无标注损失：将中每一个数据做数据增广，然后输入老师模型得到第二分割结果，计算中第个像素的熵，其公式为： 4 其中：是上第个像素在第个分割类别上的像素值，表示的是的熵，为分割类别数，为中的一个分割类别； 根据上式计算的熵，为一个无标注数据生成伪标签数据，其公式为： （5） 其中是第个epoch中人为设定的第一阈值，一个epoch表示学习中所有训练数据均被使用过一次时的更新次数； 将中每一个无标注数据输入学生模型得到第三分割结果，利用分割损失函数计算无标注损失； 计算对比损失：选取样本，并针对选取得到的样本进行对比损失的计算，所述样本包括查询样本、正样本和负样本；查询样本表示待计算对比损失的次级特征数据，正样本表示与查询样本属于同一分割类别的次级特征数据，负样本表示与查询样本不属于同一分割类别的次级特征数据； 步骤S2：将医学图像数据输入训练后的器官分割模型； 步骤S3：训练后的器官分割模型输出医学图像的分割结果。

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合肥锐视医疗科技有限公司，其通讯地址为：230088 安徽省合肥市高新区中安创谷科技园二期J4栋101室；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”。