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！

龙图腾网获悉南京邮电大学申请的专利证据不确定性渐进引导的可信医学影像分割方法及设备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：CN119625319B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202510078057.1，技术领域涉及：G06V10/26；该发明授权证据不确定性渐进引导的可信医学影像分割方法及设备是由罗宇轩;王旭彤;杨禛;马岩松;鲍庆森;陈蕾设计研发完成，并于2025-01-17向国家知识产权局提交的专利申请。

本证据不确定性渐进引导的可信医学影像分割方法及设备在说明书摘要公布了：本发明公开了证据不确定性渐进引导的可信医学影像分割方法及设备，其中方法包括：S1、获取训练样本及对应标签；S2、根据训练样本及对应标签，训练可信医学影像分割模型；S3、获取测试样本；S4、将测试样本输入训练后的可信医学影像分割模型中进行预测，计算狄利克雷分布的参数，计算狄利克雷分布的期望张量；S5、计算分割证据不确定性矩阵；S6、令类别概率最大的类别为预测类别，则可信医学影像分割模型基于测试样本输出的预测分割结果为：predictioni＝argmaxpi；S7、将测试样本的预测分割结果和分割证据不确定性矩阵进行可视化。本发明提高了分割精度，既大幅减少了计算代价，又提供了更精准的不确定性估计。

本发明授权证据不确定性渐进引导的可信医学影像分割方法及设备在权利要求书中公布了：1.证据不确定性渐进引导的可信医学影像分割方法，其特征在于，包括以下步骤： S1、获取训练样本及对应标签； S2、根据所述训练样本及对应标签，训练可信医学影像分割模型； S3、获取测试样本； S4、将所述测试样本输入训练后的所述可信医学影像分割模型中进行预测，计算狄利克雷分布的参数，计算狄利克雷分布的期望张量，Si为参数之和； S5、计算分割证据不确定性矩阵，C为分割类别总数； S6、令类别概率最大的类别为预测类别，则所述可信医学影像分割模型基于所述测试样本输出的预测分割结果：predictioni=argmaxpi； S7、将所述测试样本的预测分割结果和分割证据不确定性矩阵进行可视化； 所述S2中，对于所述可信医学影像分割模型的训练进一步包括： S21、输入所述训练样本，二维张量大小为； S22、初始化证据不确定性矩阵为全1矩阵，二维张量大小与所述训练样本的二维张量大小相同； S23、基于所述可信医学影像分割模型和证据不确定性矩阵预测得到的证据矩阵，根据主观逻辑理论计算狄利克雷分布的参数αi，并以此计算本次分割的证据不确定性矩阵ui： ， 其中，，C为所有样本像素包含类别总数，i表示样本索引位置，为神经网络的函数形式，为神经网络的参数； S24、更新证据不确定性矩阵为； S25、计算更新后的证据不确定性矩阵ui与原始的证据不确定性矩阵U之间的差异，判断是否满足下式条件： 其中，为给定的一个足够小的正数； 若满足，则认为所述可信医学影像分割模型收敛，继续执行后续步骤，若不满足，则返回所述S23，直至满足上式条件，此时计算得出的证据不确定性趋于稳定； S26、基于所述可信医学影像分割模型的预测，计算狄利克雷分布的参数，计算狄利克雷分布的期望张量； S27、令类别概率最大的类别为预测类别，则所述可信医学影像分割模型基于所述训练样本输出的预测分割结果为：predictioni=argmaxpi； S28、基于所述S27得出的预测分割结果和所述S25得出的证据不确定性计算损失，并进行反向传播，更新所述可信医学影像分割模型的权重； S29、重复上述训练步骤，直到所述可信医学影像分割模型达到最大迭代轮数或者损失不再下降。

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南京邮电大学，其通讯地址为：210000 江苏省南京市栖霞区文苑路9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。