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！

龙图腾网获悉西安交通大学申请的专利一种基于因果不变性的弱监督医学影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：CN116843903B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202310941382.7，技术领域涉及：G06V10/26；该发明授权一种基于因果不变性的弱监督医学影像分割方法是由田智强;陈张;郭昱成;杜少毅设计研发完成，并于2023-07-28向国家知识产权局提交的专利申请。

本一种基于因果不变性的弱监督医学影像分割方法在说明书摘要公布了：本发明公开了一种基于因果不变性的弱监督医学影像分割方法，本发明使用两阶段的训练过程，第一阶段为标签生成，通过类激活映射机制将图片级标签生成像素级伪标签，解决现有算法高度依赖大量人工标记的像素级标签的问题。第二阶段为分割模型训练，使用第一阶段输出的像素级伪标签训练一个分割模型，为面向医学影像分析的实际临床应用提供有效的分割结果。其次，本发明在标签生成阶段设计了多分支特征提取网络，提出因果不变的转换策略，使得模型可以更好的提取同一目标在不同状态下的特征。同时，本发明为不同分支网络针对性的设计损失函数，保证了模型分类精度。最后，本发明设计了多分支间的因果不变性约束损失，保证了模型分割精度。

本发明授权一种基于因果不变性的弱监督医学影像分割方法在权利要求书中公布了：1.一种基于因果不变性的弱监督医学影像分割方法，其特征在于，包括以下步骤： 步骤一，预训练分类模型；使用训练数据集中的图片数据及其对应的图片级别类别标注数据训练分类模型； 步骤二，扩充输入图片数据；对输入的每张原图进行因果不变的转换操作，得到多个转换后的图片； 步骤三，训练多分支特征提取器；设计多分支特征提取网络，包括一个基础分支和多个转换分支，将步骤二得到的输入原图和转换后的图片分别作为基础分支和转换分支的输入，完成对同一张图片的不同形式的特征提取，同时记录每个转换分支的图片相较于原图的转换参数； 步骤四，计算多分支分类损失；基于步骤三中的多分支特征提取网络，针对输入原图所在的基础分支以及转换后图片所在的转换分支分别设计不同分类头网络，预测每条分支输入图片的分类预测概率，并且计算预测结果和步骤一中的图片级别类别标注之间的交叉熵损失值； 步骤五，计算多分支类激活特征；利用步骤三得到的各不同形式的特征以及步骤四得到的各不同分类头网络的模型参数计算各分支的目标类别激活特征； 步骤六，计算多分支间因果不变性约束损失；利用步骤三中保存的图片转换参数对步骤五得到的转换分支类激活特征进行因果不变转换的逆变换，并且分别计算各个逆变换后的类激活特征分别与基础分支的类激活特征之间的距离，作为多分支间因果不变性约束损失； 步骤七，联合优化多分支特征提取网络模型；设计联合优化的损失函数，使用梯度下降策略同时对步骤四中的多分支分类损失和步骤六中的因果不变性约束损失进行反向传播，通过迭代优化直至损失值收敛到最小值附近结束优化过程，并将基础分支的模型参数保存，构成医学影像的伪标签生成模型； 步骤八，生成伪分割标签；基于步骤七中的伪标签生成模型，对输入图片执行基础分支流程，生成具有因果不变性约束的类激活特征图，并且根据特征图中的像素值使用阈值化操作生成二值的图，0表示背景，1表示前景，作为伪分割标签； 步骤九，训练分割模型；将步骤一中的图片数据以及步骤八得到的伪分割标签共同作为训练数据，训练一个分割模型；分割模型对输入图片进行编码，解码的操作，最终输出图片中每个像素点属于目标类别的概率；训练阶段通过梯度下降策略，以让预测的分割结果无限接近伪分割标签为目标，进行迭代优化，直至模型收敛；保存模型参数，作为医学影像的分割模型。

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西安交通大学，其通讯地址为：710049 陕西省西安市碑林区咸宁西路28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。