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！

龙图腾网获悉中国科学院深圳先进技术研究院申请的专利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：CN115908800B 。

龙图腾网通过国家知识产权局官网在2025-08-15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：202211403774.X，技术领域涉及：G06V10/26；该发明授权医学图像分割方法是由吴文霞;李志成;梁栋;赵源深;段静娴设计研发完成，并于2022-11-10向国家知识产权局提交的专利申请。

本医学图像分割方法在说明书摘要公布了：本发明涉及一种医学图像分割方法，包括：收集肿瘤患者的核磁共振图像数据作为数据集；对数据集中的图像数据进行数据处理；将数据处理后，数据集中符合要求的多模态图像作为模型的输入；对每一个模态设计单独的Transformer以提取特征；设计模态融合Transformer对多个模态的数据进行融合；逐步将不同尺度的编码器输出重塑为输入大小，以获得与原图匹配的分割结果；对于数据集中的无标签数据，构建弱增强图像与强增强图像；根据编码器对不同增强的图像的输出选择正例与负例，计算对比损失；对标签与分割结果计算dice损失；进行模型的训练，得到最终的模型并保存。本发明能够更好地定位肿瘤位置，提高分割效果。

本发明授权医学图像分割方法在权利要求书中公布了：1.一种医学图像分割方法，其特征在于，该方法包括如下步骤： a.收集肿瘤患者的核磁共振图像数据作为数据集； b.对所述数据集中的图像数据进行数据处理，所述数据处理包括：对所述数据集中的图像数据进行格式转换、重采样、配准及标准化； c.将数据处理后，数据集中符合要求的多模态图像作为模型的输入； d.建立多分支Transformer神经网络作为编码器，对每一个模态设计单独的Transformer以提取特征； e.设计模态融合Transformer对多个模态的数据进行融合； f.建立解码器，逐步将不同尺度的编码器输出重塑为输入大小，以获得与原图匹配的分割结果； g.对于数据集中的无标签数据，构建弱增强图像与强增强图像； h.根据编码器对不同增强的图像的输出选择正例与负例，计算对比损失； i.对标签与分割结果计算dice损失； j.进行模型的训练，选择效果较好的结果作为最终的模型并保存；其中： 所述的步骤f具体包括： 解码器逐步将不同尺度的编码器输出重塑为输入大小，以获得与原图匹配的分割结果，解码器将编码器的输出作为五个通道输入，通过卷积与反卷积操作逐层融合各层编码器输出，并将图像恢复至指定大小，应用sigmoid函数获得最终分割结果； 所述的步骤g具体包括： 对单个无标注图像设计两种增强方式，每个训练步骤中从一个预先定义的范围内随机为batch中每个样本选择变换：第一个增强方法为弱增强，弱增强是以50％的概率随机翻转、移动和随机缩放策略的结果；另一个增强方法为强增强，强增强是在弱增强的图像的基础上添加灰度变换； 所述的步骤h具体包括： 无标签数据损失分为两个部分，包括输出空间一致性损失和对比学习损失；对比学习损失的计算方法为编码器分别基于弱增强图像和强增强图像产生特征，同一个位置的特征互相视作正例，不同位置的特征视作负例，负例的采样方法采取gumbel采样策略，选取余弦相似度最小的k个像素组成负例，或者根据解剖学先验知识，选择距离较远的像素作为负例；将InfoNCE损失与余弦相似度相结合，得到像素对比度损失。

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中国科学院深圳先进技术研究院，其通讯地址为：518055 广东省深圳市南山区深圳大学城学苑大道1068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”。