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！

龙图腾网获悉中国人民解放军国防科技大学申请的专利基于选择性在线自训练无源领域自适应医学图像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：CN120182218B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202510263892.2，技术领域涉及：G06T7/00；该发明授权基于选择性在线自训练无源领域自适应医学图像分割方法是由陈微;周雯涓;何玉麟;李晨;王浩天;李霖;丁瑞华;寻天赐设计研发完成，并于2025-03-06向国家知识产权局提交的专利申请。

本基于选择性在线自训练无源领域自适应医学图像分割方法在说明书摘要公布了：本发明公开了一种基于选择性在线自训练的无源领域自适应医学图像分割方法。技术方案是：构建由强增强模块、弱增强模块、学生模型图像分割模块、教师模型图像分割模块、熵引导的选择性更新模块、类先验引导的伪标签筛选模块、一致性损失函数计算模块组成的基于选择性在线自训练的无源领域自适应医学图像分割系统。构建训练集和验证集。采用源域模型和训练集对分割系统进行训练，得到训练后的分割系统。使用验证集对训练后的分割系统进行验证，当分割性能不再提升时得到性能最优异训练后的分割系统；采用性能最优异训练后的分割系统对图像进行分割，得到分割结果。本发明能缓解无源领域自适应中在线自训练的负优化问题，提升分割准确度。

本发明授权基于选择性在线自训练无源领域自适应医学图像分割方法在权利要求书中公布了：1.一种基于选择性在线自训练无源领域自适应医学图像分割方法，其特征在于包括以下步骤： 第一步，构建基于选择性在线自训练的无源领域自适应医学图像分割系统；无源领域自适应医学图像分割系统由强增强模块、弱增强模块、学生模型图像分割模块、教师模型图像分割模块、熵引导的选择性更新模块、类先验引导的伪标签筛选模块、一致性损失函数计算模块组成； 强增强模块与学生模型图像分割模块相连；训练时，强增强模块接收训练集，将训练集图像进行强增强处理，得到训练集强增强后的图像，将训练集强增强后的图像发送给学生模型图像分割模块； 弱增强模块与教师模型图像分割模块相连；训练时，弱增强模块接收训练集，将训练集图像进行弱增强处理，得到训练集弱增强后的图像，将训练集弱增强后的图像发送给教师模型图像分割模块； 学生模型图像分割模块与强增强模块、熵引导的选择性更新模块和一致性损失函数计算模块相连；训练时，学生模型图像分割模块从强增强模块接收训练集强增强后的图像，对训练集强增强后的图像进行特征提取和分割，得到第一分割概率图，将第一分割概率图发送给一致性损失函数计算模块；同时，根据第一分割概率图计算熵值，将熵值发送给熵引导的选择性更新模块；验证时，学生模型图像分割模块接收验证集，对验证集图像进行特征提取和分割，得到验证结果，根据验证结果判断是否继续训练；对用户输入的图像进行分割时，学生模型图像分割模块接收用户输入的待分割图像，对待分割图像进行特征提取和分割，得到待分割图像的分割结果；学生模型图像分割模块由一个分割模型即学生模型组成，其初始参数采用源域分割模型的参数；学生模型采用与源域模型相同的神经网络结构DeepLabv2架构； 熵引导的选择性更新模块与学生模型图像分割模块和教师模型图像分割模块相连，其功能是判断是否对教师模型图像分割模块进行参数更新；训练时，熵引导的选择性更新模块从学生模型图像分割模块接收熵值，并保存每一轮迭代的熵值，根据熵值变化判断是否更新教师模型图像分割模块；若熵值变小，则判定教师模型需要更新，向教师模型图像分割模块发送学生模型参数； 教师模型图像分割模块与弱增强模块、熵引导的选择性更新模块和类先验引导的伪标签筛选模块相连；训练时，教师模型图像分割模块从弱增强模块接收训练集弱增强后的图像数据，进行特征提取和分割，得到第二分割概率图，将第二分割概率图发送给类先验引导的伪标签筛选模块；教师模型图像分割模块也由一个分割模型即教师模型组成；教师模型采用与源域模型相同的神经网络结构DeepLabv2架构，其初始参数采用源域分割模型的参数；当从熵引导的选择性更新模块接收到学生模型参数，使用指数移动平均方法EMA进行参数更新； 类先验引导的伪标签筛选模块与教师模型图像分割模块和一致性损失函数计算模块相连；训练时，类先验引导的伪标签筛选模块从教师模型图像分割模块接收第二分割概率图，根据第二分割概率图给出腹部图像中背景、脾脏、右肾、左肾、肝脏五个分割类对应的置信度阈值；然后根据置信度阈值筛选第二分割概率图中每个像素点的分割类别后得到伪标签，将伪标签发送给一致性损失函数计算模块； 一致性损失函数计算模块与学生模型图像分割模块和类先验引导的伪标签筛选模块相连；训练时，一致性损失函数计算模块从学生模型图像分割模块接收第一分割概率图，从类先验引导的伪标签筛选模块接收伪标签，对第一分割概率图和伪标签进行一致性对比，得到第一分割概率图和伪标签的差距，将差距作为损失函数反向传播对学生模型图像分割模块的参数进行更新； 基于选择性在线自训练的无源领域自适应医学图像分割系统中，强增强模块、弱增强模块、教师模型图像分割模块、熵引导的选择性更新模块、类先验引导的伪标签筛选模块、一致性损失函数计算模块都是辅助学生模型图像分割模块训练的，只在训练时工作，不参加对用户输入的待分割图像进行分割的工作，只有训练后的学生模型图像分割模块完成对用户输入的待分割图像进行分割； 第二步，构建训练集和验证集，方法是：

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中国人民解放军国防科技大学，其通讯地址为：410073 湖南省长沙市开福区德雅路109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。