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！

龙图腾网获悉浙江大学申请的专利基于基础模型辅助半监督学习的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：CN119445120B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202411581424.1，技术领域涉及：G06V10/26；该发明授权基于基础模型辅助半监督学习的医学图像分割方法及系统是由冯天;胡启云;沈骏翱设计研发完成，并于2024-11-07向国家知识产权局提交的专利申请。

本基于基础模型辅助半监督学习的医学图像分割方法及系统在说明书摘要公布了：本发明公开了一种基于基础模型辅助半监督学习的医学图像分割方法及系统。在医学图像分割任务中，本发明通过引入视觉基础模型SegmentAnythingModelSAM与U‑Net模型相结合的创新方法，显著提升了标注精度和分割效果。与现有的半监督学习方法相比，本发明通过引入可靠性评分机制和前景冲突处理策略，解决了低质量伪标签的问题，并通过区域交换策略有效利用了不可靠图像。最终，本发明为解决医学图像分割中的伪标签质量不高和数据标注成本高的问题提供了新的解决方案，极大地提高了医学图像分割的性能，并在多个基准数据集上展示了优越的分割效果。

本发明授权基于基础模型辅助半监督学习的医学图像分割方法及系统在权利要求书中公布了：1.一种基于基础模型辅助半监督学习的医学图像分割方法，其特征在于，所述医学图像分割方法的具体过程如下：将待分割的医学图像输入到经过训练的医学图像分割模型，得到医学图像的分割结果；其中，所述医学图像分割模型由在无标签数据集和有标签数据集上对经过预训练的U-Net模型进行微调获得；预训练的U-Net模型由在有监督学习模式下，在有标签数据集上对U-Net模型进行训练获得；无标签数据集仅包含无标签医学图像，有标签数据集同时包含有标签医学图像和真实标签； 在微调过程中，将无标签医学图像输入到预训练后的U-Net模型中，生成无标签医学图像的粗分割概率图并将其作为第一粗分割概率图，在第一粗分割概率图中取概率值最大的类别作为无标签医学图像的粗分割伪标签并将其作为第一粗分割伪标签，基于第一粗分割伪标签生成视觉基础模型所需的提示信息，将生成的提示信息通过视觉基础模型的提示编码器，得到提示特征，而无标签医学图像通过视觉基础模型的编码器进行处理，得到无标签医学图像的图像特征，随后将无标签医学图像的图像特征和提示特征输入到视觉基础模型的掩码解码器中，由掩码解码器生成一组SAM前景图，计算SAM前景图和每个类别的第一粗分割伪标签之间的交并比，并对交并比的计算结果取均值，得到一致性得分，按照一致性得分的降序排序对无标签医学图像进行分类标记，通过SAM与U-Net的联合判断及前景冲突处理策略对标记为可靠的无标签医学图像进行处理，生成第一精分割伪标签，由标记为可靠的无标签医学图像以及第一精分割伪标签构成可靠数据集，由标记为不可靠的无标签医学图像构成不可靠数据集，采用区域互换策略对不可靠数据集进行处理，在有标签医学图像与标记为不可靠的无标签医学图像之间执行双向位移操作，生成合成图像和合成标签作为微调过程中的监督，并对每个无标签医学图像进行扰动操作，每个无标签医学图像对应生成一个弱扰动图像和两个独立的强扰动图像，预训练的U-Net模型为弱扰动图像以及每个强扰动图像生成相应的概率图，采用弱扰动图像的概率图作为监督信号，对两个强扰动图像的概率图进行监督学习。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。

以上内容由龙图腾AI智能生成。