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！

龙图腾网获悉复旦大学申请的专利基于部分标注数据集协同学习的多器官分割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：CN116824134B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202310564805.8，技术领域涉及：G06V10/26；该发明授权基于部分标注数据集协同学习的多器官分割系统是由宋志坚;史勇红;刘晓宇;曲麟昊;谢子越;赵家悦设计研发完成，并于2023-05-18向国家知识产权局提交的专利申请。

本基于部分标注数据集协同学习的多器官分割系统在说明书摘要公布了：本发明公开了一种基于部分标注数据集协同学习的多器官分割系统，包括：直方图匹配模块：用于实现来自不同中心的影像数据集具有相同的灰度分布；单器官分割模型协同学习模块：用于提高每个单器官分割模型的分割性能，以及实现不同数据集标注的不同器官可以相互感知，提高生成伪标签的质量；多器官分割模型协同学习模块：用于充分利用不同数据集中的标签，提高每个多器官分割模型的分割性能；多器官分割模型蒸馏模块：用于从多个多器官分割模型学习得到一个最终的多器官分割模型。本发明基于部分标注的医学影像数据集实现一个多器官分割模型，大大减少了对全标注数据集的依赖程度，减轻医生的标注困难。

本发明授权基于部分标注数据集协同学习的多器官分割系统在权利要求书中公布了：1.一种基于部分标注数据集协同学习的多器官分割系统，其特征在于，包括： 直方图匹配模块、单器官分割模型协同学习模块、多器官分割模型协同学习模块、多器官分割模型蒸馏模块； 所述直方图匹配模块用于对若干个部分标注数据集中的图像进行处理，获得若干个匹配数据集； 所述单器官分割模型协同学习模块用于根据单器官分割模型与所述若干个匹配数据集，获得若干个全标记数据集； 所述多器官分割模型协同学习模块用于根据所述若干个全标记数据集训练若干个多器官分割模型； 所述多器官分割模型蒸馏模块用于从多个多器官分割模型学习得到一个最终的多器官分割模型； 所述直方图匹配模块包括： 灰度分布计算单元，给定源域和目标域，通过对源域和目标域中所有图像进行归一化，使图像的灰度值为预设区间内的整数值后，对所述目标域中图像灰度求平均值，获得多个器官数据集图像的平均灰度分布；所述源域中包括若干个部分标记数据集； 均衡化单元，分别基于源域图像和目标域图像的行数和列数、不同强度值的像素数定义对应的归一化直方图；对所述归一化直方图进行直方图均衡化； 匹配单元，将直方图均衡化得到的灰度值调整到整数范围，使源图像灰度值与目标图像灰度值存在最小差值并建立映射关系，根据所述映射关系获得与若干个部分标记数据集对应的若干个匹配数据集； 所述单器官分割模型协同学习模块包括： 模型训练单元，采用与单器官分割模型归属同一器官的匹配数据集对单器官分割模型进行训练； 标签生成单元，将与单器官分割模型未归属同一器官的匹配数据集输入至训练后的单器官分割模型，生成伪标签，获得若干个全标记数据集； 模型训练单元在对模型进行训练的过程中除分割损失外，还引入了推远损失； 所述推远损失包括标签差异损失与特征差异损失； 总损失函数的计算公式如下： 其中，为单器官分割模型计算的分割损失，为单器官分割模型输出的标签差异损失，为单器官分割模型输出的特征差异损失，n,m＝1,2,...K，数据集Pm,Pn对应的真实标签表示由模型gm作用于数据集Pn得到的预测结果，λcol-pre和λcol-feature表示单器官分割模型的协同学习超参数，数据集Pm上的分割模型计算的损失是KL散度损失是表示在Pm数据集上训练的分割模型作用在Pn数据集上获得的特征，表示在Pn数据集上训练的分割模型作用在Pn数据集上获得的特征； 所述多器官分割模型协同学习模块包括： 多器官分割训练单元，采用若干个全标记数据集对若干个多器官分割模型进行协同训练； 损失计算单元，在模型训练过程中引入损失函数，包括分割损失、拉近损失； 所述损失计算单元中的拉近损失包括标签差异损失与特征差异损失； 总损失函数的计算公式如下： 其中，为多器官分割模型计算的分割损失，为多器官分割模型输出的标签差异损失，为多器官分割模型输出的特征差异损失，为含伪标签的全标注的数据集,表示Gm作用于所产生的器官n的输出结果，表示中器官n的真实标签，表示Gm作用于所提取的特征,βcol-pre和βcol-feature表示多器官分割模型的协同学习超参数。

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复旦大学，其通讯地址为：200433 上海市杨浦区邯郸路220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。