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！

龙图腾网获悉北京透彻未来科技有限公司申请的专利一种结直肠腺瘤识别语义分割深度学习系统及构建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：CN120088785B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202510015229.0，技术领域涉及：G06V20/70；该发明授权一种结直肠腺瘤识别语义分割深度学习系统及构建方法是由王书浩;王伟设计研发完成，并于2025-01-06向国家知识产权局提交的专利申请。

本一种结直肠腺瘤识别语义分割深度学习系统及构建方法在说明书摘要公布了：本发明属于学习模型构建技术领域，提供一种结直肠腺瘤识别语义分割深度学习系统及构建方法，包括：数据集获取及处理模块，用于获取并处理结直肠腺瘤的病例影像，获得目标数据集；模型构建模块，用于基于名为苏木精和伊红的染色剂，结合半监督学习模型，构建获得HE对抗性平均教师的语义分割深度学习模型；模型学习训练模块，用于基于目标数据集，对语义分割深度模型进行学习训练。本发明通过获取并处理结直肠腺瘤的病例影像，并基于名为苏木精和伊红的染色剂，结合半监督学习模型，构建并学习训练语义分割深度学习模型，可保证结直肠腺瘤识别语义分割深度学习系统的创建质量，为高效准确地识别结直肠腺瘤的病例影像提供基础。

本发明授权一种结直肠腺瘤识别语义分割深度学习系统及构建方法在权利要求书中公布了：1.一种结直肠腺瘤识别语义分割深度学习系统，其特征在于，包括： 数据集获取及处理模块，用于获取并处理结直肠腺瘤的病例影像，获得目标数据集； 模型构建模块，用于基于名为苏木精和伊红HE的染色剂，结合半监督学习模型AdversarialMeanTeacher，AMT，构建获得HE对抗性平均教师HEAMT的语义分割深度学习模型； 模型学习训练模块，用于基于目标数据集，对语义分割深度模型进行学习训练；包括： 设置目标数据集中的训练数据集S和测试数据集T；其中，S包括Ns个标记的结直肠腺瘤的病例影像，其中，代表训练数据集S中的第i个样本数据；T包括Nt个未标记的结直肠腺瘤的病例影像；其中，代表训练数据集T中的第i个样本数据； 按照划分的阶段，基于训练数据集S和测试数据集T，以端到端方式优化损失，进行学习训练；阶段包括初始化阶段和相互学习阶段； 其中，初始化阶段为：基于训练数据集S训练一个完全监督的分类模型，即用标记的结直肠腺瘤的病例影像训练分类器，然后将其复制成两个副本，将两个副本分别作为初始化的学生模型和教师模型；相互学习阶段为：教师模型从测试数据集T获取弱增图像，学生模型从训练数据集S和测试数据集T获取强增图像；教师模型在测试数据集T上生成伪标签训练学生模型，学生模型通过指数移动平均线更新教师模型； 相互学习阶段还包括：利用强增强策略和弱增强策略，帮助学生模型在训练数据集S和测试数据集T学习染色不变特征；弱增强策略包括随机水平翻转、随机垂直翻转和随机旋转；强增强策略在弱增强策略基础上增加了HSV移位； 将逆向学习引入语义分割深度学习模型，以对齐特征空间中训练数据集S和测试数据集T的分布； 利用计算出的HE矩阵，使用具有梯度反向层GRL的aHE鉴别器来对齐特征空间中的染色分布；包括： 对获取的鉴别器进行改进，获得改进的鉴别器，以预测HE成分； 将二元交叉熵对抗性损失更改为： 其中，Ladv代表对抗性损失，LMSE代表损失函数L2的平方；表示强增强训练数据集S中图像的HE矩阵；表示强增强测试数据集T中图像的HE矩阵； 基于改进的鉴别器，应用二元交叉熵对抗性损失，结合分类网络之间的梯度反向层GRL实现对抗性学习。

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北京透彻未来科技有限公司，其通讯地址为：100000 北京市海淀区莲花池东路39号6层608；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”。