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！

龙图腾网获悉湖北大学申请的专利一种基于双网络自适应伪标签生成的半监督医学图像分割方法及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：CN119887805B 。

龙图腾网通过国家知识产权局官网在2025-09-02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：202510078894.4，技术领域涉及：G06T7/11；该发明授权一种基于双网络自适应伪标签生成的半监督医学图像分割方法及系统是由杨超;李晨宇;吴叶明;蒋碧波;李致君;徐涵宇设计研发完成，并于2025-01-17向国家知识产权局提交的专利申请。

本一种基于双网络自适应伪标签生成的半监督医学图像分割方法及系统在说明书摘要公布了：本发明属于图像分割技术领域，公开了一种基于双网络自适应伪标签生成的半监督医学图像分割方法，本发明为了克服传统伪标签生成方法中的问题，提出了“基于双网络自适应机制的伪标签生成算法”。该算法通过引入两个网络，通过它们对标注数据的分割效果进行比较，选择表现更好的网络作为伪标签生成器，指导另一个网络的未标注数据训练。本发明两个网络的引入增强了训练的多样性，能够通过后续的对比进一步提高伪标签的质量。通过使用两个独立的网络进行预测，可以获得更为丰富和多样化的伪标签。即便某一个网络的预测不准确，另一个网络的预测仍有提供有价值的信息。

本发明授权一种基于双网络自适应伪标签生成的半监督医学图像分割方法及系统在权利要求书中公布了：1.一种基于双网络自适应伪标签生成的半监督医学图像分割方法，其特征在于，包括以下步骤： 步骤1，对标注数据进行增强和预处理； 步骤2，通过标注数据对两个网络进行预训练； 步骤3，将标注数据和未标注数据分别输入两个网络进行分割预测； 步骤4，确定一个网络作为伪标签生成器； 步骤5，通过伪标签生成器对未标注数据进行预测，生成伪标签； 步骤6，将未标注数据、伪标签和标注数据输入另一个网络进行联合训练； 步骤7，基于两个网络的分割结果进行模型融合； 所述将标注数据和未标注数据分别送入两个网络进行分割预测： 1每个训练批次包含2个标记数据和2个未标记数据 2将标记数据和未标记数据分别输入到网络A和网络B中，得到两个网络的分割预测结果 和其中表示对标记数据的预测结果，表示对未标记数据的预测结果； 3使用真实标签YL计算每个网络的Dice值和95HD值，并计算综合评分SegScore，以评估其分割性能，公式如下： 95HDA,B＝max{percentile95dA,B,percentile95dB,A} SegScore＝α·Dice+β·11+95HD 其中，P为网络预测的二值化结果，Y为真实标签,α和β是权重系数，需根据任务需求调整；SegScore值越大，表示网络分割效果越好； 4将批次中所有标注数据的SegScore值累加，分别得到网络A和网络B的总SegScore值： 其中，N为当前批次中标注数据的样本数，P为网络预测结果，Y为真实标签； 在算法训练完成后，网络A和网络B的训练参数固定，并通过模型融合策略对两个网络的分割结果进行综合处理；模型融合能够提升分割结果的准确性和稳定性，在医学图像分割任务中，这种多模型融合的方法可以有效减少单一模型的预测偏差；融合策略根据二分类分割任务和多分类分割任务可分为以下两种： 二分类分割任务的融合策略采用概率平均融合，公式如下： 其中，PA为网络A的预测概率图，PB为网络B的预测概率图；融合后的分割结果需要经过后处理，以提升分割质量：通过阈值二值化，对概率图Pfinal应用固定阈值0.5，生成二值化分割掩码； 多分类分割任务采用逐像素的argmax策略，即将每个像素分配给概率最高的类别； 首先计算每个类别的平均概率图： 其中c表示类别索引； 然后使用argmax分配类别： 其中x,y表示图像中的像素位置。

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湖北大学，其通讯地址为：430000 湖北省武汉市武昌区友谊大道368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”。