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！

龙图腾网获悉电子科技大学申请的专利基于自监督学习及稀疏注释的血管内图像病变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：CN117689886B 。

龙图腾网通过国家知识产权局官网在2025-10-24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：202311701785.0，技术领域涉及：G06V10/26；该发明授权基于自监督学习及稀疏注释的血管内图像病变分割方法是由李超;王钊设计研发完成，并于2023-12-12向国家知识产权局提交的专利申请。

本基于自监督学习及稀疏注释的血管内图像病变分割方法在说明书摘要公布了：本发明涉及一种基于机器学习的医学图像处理技术，提供一种基于自监督学习及稀疏注释的血管内图像病变分割方法。先在临床中收集血管内影像数据，并对其进行筛选和预处理，然后对随机挑选的小部分数据进行以间隔若干帧的方式进行像素级稀疏注释；通过自监督学习在大量未标注数据上进行预训练，随后通过迁移学习构建分割模型，并在稀疏注释数据上进行微调训练。最后生成血管内病变的预测并对其进行定量分析。本发明可运用于针对大规模血管内医学影像数据快速建立有效的病变分析模型。

本发明授权基于自监督学习及稀疏注释的血管内图像病变分割方法在权利要求书中公布了：1.基于自监督学习及稀疏注释的血管内图像病变分割方法，其特征在，包括步骤： 一、数据集构建步骤： 1收集血管内影像数据并进行预处理； 2随机挑选小部分预处理后的血管内影像数据作为待标注数据，其余未被挑选的血管内影像数据作为未标注数据； 3对选取的待标注数据进行基于间隔帧的稀疏注释构建稀疏标注数据集，所述基于间隔帧的稀疏注释为在预处理后的血管内影像数据中按一定间隔选取一帧，对选取的整帧图像进行像素级注释作为标注帧，未选取的帧图像不进行注释作为未标注帧； 二、训练步骤： 1自监督预训练： 使用未标注数据对用于捕捉血管内影像特征的Transformer编码器进行自监督预训练； 2将稀疏标注数据集中的训练集输入自动分割模型中进行微调训练，自动分割模型包括Transformer预训练编码器与CNN译码器，具体的训练方式为： 先将预先训练的Transformer编码器迁移至自动分割模型中，即利用自监督预训练获得的Transformer编码器对自动分割模型中的Transformer预训练编码器进行参数初始化； 将训练集中同一段图像序列进行两种互为可逆的随机数据增强处理，分别得到第一输入图像序列和第二输入图像序列；所述两种互为可逆的随机数据增强为对原始图像序列先使用一种随机数据增强处理，再经过数据增强反变换后得到的图像序列，与对原始图像序列使用另一种随机数据增强处理得到图像序列相同； 再将第一输入图像序列和第二输入图像序列分别经过基于深度学习的用于捕捉血管内影像特征与预测3D病变分割的自动分割模型后得到第一预测结果与第二预测结果；再对第一预测结果进行数据增强反变换得到的第一反变换结果； 微调训练过程中使用对比第一预测结果中标注帧对应的预测部分与真实分割标签之间相似度的分割损失，以及对第一预测结果进行数据增强反变换得到的第一反变换结果与第二预测结果在同一特征空间中的一致性的对比损失来约束编码译码模块的微调训练过程； 在微调训练过程的验证过程中，通过计算自动分割模型在稀疏标注数据集中的验证集上的性能指标，进而挑选最佳的自动分割模型超参数，所述验证集上性能指标为针对标注帧的分割性能评估； 三、测试步骤： 将待处理的血管内影像数据输入至完成训练的自动分割模型，自动分割输出所有血管内图像帧的病变分割预测结果； 其中，自监督预训练的迭代过程包括：将未标注数据对通过随机区域遮挡获得一个部分区域被遮挡的待输入的图像序列，再将待输入体素输入到Transformer编码器进而捕捉血管内影像的高维度和深层次特征，再经过自监督代理任务头后获得对于图像重建、旋转角度预测、局部和全局特征一致性进行自监督代理任务的损失评估。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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。