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！

龙图腾网获悉佛山市第一人民医院申请的专利一种医学影像分割的自训练学习方法、系统及电子设备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：CN119559461B 。

龙图腾网通过国家知识产权局官网在2025-08-29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：202411610252.6，技术领域涉及：G06V10/774；该发明授权一种医学影像分割的自训练学习方法、系统及电子设备是由邱懿德;吴继鹏;钟敏莹;黄伟俊;何艳萍;潘嘉伟;彭巍炜;杨德龙;蓝宁辉设计研发完成，并于2024-11-12向国家知识产权局提交的专利申请。

本一种医学影像分割的自训练学习方法、系统及电子设备在说明书摘要公布了：本申请提出了一种医学影像分割的自训练学习方法、系统及电子设备，涉及图像处理技术领域。该方法包括：首先，获取包括良性病灶分割训练数据和恶性病灶分割训练数据的原始训练、以及测试数据集。然后，将训练数据集均分，与测试数据集结合进行迭代训练，形成多组数据集。接着，利用各组数据集执行训练流程：初期以良性数据为主，逐步增加恶性病灶分割训练数据比例，训练至收敛得第一分割模型。用此模型预测测试集，得病灶预测图像。通过比较预测与标注图像，生成漏检与误检区域的伪标签图像。将这些伪标签图像加入训练集，再次训练第一分割模型直至收敛。该技术方案能够提高医学影像分割模型分割精度和泛化能力。

本发明授权一种医学影像分割的自训练学习方法、系统及电子设备在权利要求书中公布了：1.一种医学影像分割的自训练学习方法，其特征在于，包括以下步骤： 获取原始训练数据集和原始测试数据集；定义原始训练数据集为其中Ns表示训练集中图像的数量，xi和qi分别表示第i张图像和对应标注图像；定义qi的大小为H×W，其中H和W分别表示标注图像的长和宽；定义为原始测试数据集，Nl表示测试集中图像的数量；所述原始训练数据集包括良性病灶分割训练数据和恶性病灶分割训练数据；分别记为和Ds1表示良性病灶分割训练数据，Ds2表示恶性病灶分割训练数据；Ns1和Ns2分别表示良性分割训练数据集和恶性分割训练数据集中图像的数量； 将原始训练数据集均分为多个数据集，并结合原始测试数据集进行迭代式训练，形成多组训练数据集和测试数据集；包括首先将按人数均分成两个数据集，记为和然后，融合和的数据，形成新的训练集融合和的数据，形成新的训练集由此，形成三组训练集合和测试集，分别是第一组训练集第一组测试集第二组训练集第二组测试集第三组训练集第三组测试集 分别利用迭代式训练形成的各组训练数据集和测试数据集，执行训练流程，所述训练流程包括： 通过多个训练阶段逐步增加恶性病灶分割训练数据的比例，训练初始的医学影像分割模型直至收敛，得到模型 利用模型对测试数据集进行预测，得到对应的病灶预测图像同时计算相应的Dice精度集合并保留，其中ri＝Dicepi,qi；通过课程学习方法分别对第二组训练集Dlu和第三组训练集Dlv进行训练，得到第二组数据训练出来的模型和第二组数据训练出来的模型然后利用模型和模型分别对第二组测试集Dv和第三组测试集Du的图像进行测试，分别得到第二组测试集的病灶预测集合和第三组测试集的病灶预测集合最后，分别将Pu和Pv的病灶图像计算相应的Dice精度，记为和 通过计算病灶预测图像与标注图像的交集差异，分别得到漏检区域伪标签图像和误检区域伪标签图像；包括利用Pl、Pu和Pv计算三个测试集漏检区域伪标签图像和误检区域伪标签图像的集合 和对于Pl、Pu和Pv上的每一张预测图像pi，将其与对应的标注图像qi计算交集，得到它们共有区域ci；随后，用qi减去ci，即可得到漏检区域伪标签图像同理，使pi减去ci，即可得到误检区域伪标签图像 将得到的漏检区域伪标签图像和误检区域伪标签图像加入到训练集中，训练模型模型和模型直至收敛；包括分别将和视为漏检区域伪标签图像和误检区域伪标签图像，加入到训练集Ds、Dlu和Dlv中，组成三个新的训练集合，分别记为 和随后分别利用和的训练数据进行数据增强，继续对模型模型和模型继续训练，直至模型收敛。

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佛山市第一人民医院，其通讯地址为：528000 广东省佛山市禅城区岭南大道北81号佛山市第一人民医院；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”。

以上内容由龙图腾AI智能生成。