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！

龙图腾网获悉杭州电子科技大学申请的专利一种基于不确定性的半监督OCT图像视网膜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：CN115512108B 。

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：202211128245.3，技术领域涉及：G06V10/26；该发明授权一种基于不确定性的半监督OCT图像视网膜分割方法是由刘现文;王亚奇;贾刚勇;顾人舒设计研发完成，并于2022-09-16向国家知识产权局提交的专利申请。

本一种基于不确定性的半监督OCT图像视网膜分割方法在说明书摘要公布了：本发明公开了一种基于不确定性的半监督OCT图像视网膜分割方法。对于有标签数据，通过第一网络得到的特征图，经过提取得到注意力图，对输入图片进行注意力增强，然后再次送入第一网络和第二网络中进行训练；对于无标签数据，为了减小伪标签的错误，采用第一网络和第二网络的交叉监督，并辅以不确定性指导；通过第一网络得到多尺度的特征与不确定性图，一同送入不确定性修复模块，得到修复后的伪标签再去监督第一网络的输出，计算加权不确定性修复损失；每轮迭代之后在测试集上测试结果，当前Dice系数高于上一轮迭代的结果时，保存模型参数。本发明很好的提高模型的泛化性、解决伪标签误导的问题，并且提高伪标签的边界分割精度。

本发明授权一种基于不确定性的半监督OCT图像视网膜分割方法在权利要求书中公布了：1.一种基于不确定性的半监督OCT图像视网膜分割方法，其特征在于包括以下步骤： S1、将OCT图像数据集划分为训练集和测试集； 训练集和测试集图像，通过裁剪、调整比例以及统一数据尺寸进行数据预处理，然后将训练集输入模型进行训练； S2、对于有标签数据，通过第一网络得到的特征图，经过提取得到注意力图，然后再次送入第一网络和第二网络中进行训练； S21、将有标签数据输入第一网络和第二网络，然后与对应的标签用Dice函数计算第一监督损失； S22、选取经过第一网络四次下采样之后得到的特征图，采用降维操作生成多个注意力图，然后随机选取一个注意力图； S23、在步骤S22选取的注意力图上，随机生成多个正方形的黑色遮挡区域，并叠加在原图上，得到增强后的图片； S24、将增强后的图片输入到第一网络和第二网络，然后与对应的标签利用Dice函数计算第二监督损失； 综合第一监督损失和第二监督损失，得到总的有监督损失函数； S3、对于无标签数据，采用第一网络和第二网络的交叉监督，并辅以不确定性指导； S31、将无标签数据输入第一网络和第二网络，得到图像分割概率图，然后基于阈值对图像分割概率图进行二值化，得到对应的图像分割掩码； S32、第一网络和第二网络开启dropout功能，随机前向预测多次，得到多个图像分割概率图； 计算平均概率图，然后使用信息熵计算公式，计算对应的不确定性图； S33、不确定性图结合MSE函数，指导第二网络的图像分割掩码与第一网络的图像分割概率图、第一网络的图像分割掩码与第二网络的图像分割概率图，计算得到加权不确定性损失； S4、通过第一网络得到多尺度的特征与不确定性图，一同送入不确定性修复模块，得到修复后的伪标签再去监督第一网络的输出，计算加权不确定性修复损失； S41、第一网络的解码器阶段，每个阶段经过反卷积网络上采样到与下一阶段相同维度后拼接，得到多尺度特征图； S42、将第一网络的不确定性图与多尺度特征图输入不确定性修复模块，得到边界更清晰的修复后的伪标签； S43、使用Dice函数计算伪标签，监督经步骤S31得到的分割概率图，并计算得到加权不确定性修复损失； S5、每轮迭代之后在测试集上测试结果，得到分割后的OCT图像，测试指标为Dice系数，当前Dice系数高于上一轮迭代的结果时，保存模型参数； 所述第一网络为U-net网络模型，第二网络为Swin-Unet网络模型。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市下沙高教园区2号大街；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”。