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一种用于细粒度支气管气道分割的双阶段主动学习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：CN119762419B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202411495691.7，技术领域涉及：G06T7/00；该发明授权一种用于细粒度支气管气道分割的双阶段主动学习方法是由张巍;王陈;张文强;孙翊轩;李由设计研发完成，并于2024-10-25向国家知识产权局提交的专利申请。

本一种用于细粒度支气管气道分割的双阶段主动学习方法在说明书摘要公布了：本发明涉及一种用于细粒度支气管气道分割的双阶段主动学习方法，方法包括以下步骤：S1、基于预训练的自适应支气管管状物分割模型生成未标注医学图像数据集的嵌入向量；S2、选择多样性最大的候选样本加入最终样本集；S3、判断最终样本集的样本数是否达到阈值，若是则执行S4，反之继续选择多样性最大的候选样本加入最终样本集；S4、对所述最终样本集进行标注，标注后的样本集作为预训练的自适应支气管管状物分割模型的训练集进行训练，得到优化的自适应支气管管状物分割模型，基于所述优化的自适应支气管管状物分割模型得到复杂支气管网络分割结果。与现有技术相比，本发明具有提升所选样本集的价值密度，提高细微支气管识别精度等优点。

本发明授权一种用于细粒度支气管气道分割的双阶段主动学习方法在权利要求书中公布了：1.一种用于细粒度支气管气道分割的双阶段主动学习方法，其特征在于，方法包括以下步骤： S1、基于预训练的自适应支气管管状物分割模型生成未标注医学图像数据集的嵌入向量； S2、对嵌入向量进行聚类，计算聚类后的数据集中样本的不确定度，基于不确定度进行排序，选择候选样本，对候选样本计算多样性系数，选择多样性系数最大的候选样本加入当前样本集，得到最终样本集； S3、判断最终样本集的样本数是否达到阈值，若是则执行S4，反之继续选择最大的候选样本加入最终样本集； S4、对所述最终样本集进行标注，标注后的样本集作为预训练的自适应支气管管状物分割模型的训练集进行训练，得到优化的自适应支气管管状物分割模型，基于所述优化的自适应支气管管状物分割模型得到复杂支气管网络分割结果； 所述不确定度为： 其中，uncertainty表示不确定度，di和dj分别表示样本与两个不同的簇中心之间的距离，x嵌入向量，ci表示聚类中心，uncertainty是任意两个距离之差的最小值，即，遍历所有可能的距离，对di和dj，计算其差的绝对值，取其中最小值作为uncertainty； 对候选样本计算多样性，选择多样性最大的候选样本加入当前样本集的具体步骤为： 对候选样本计算其与当前样本集内所有样本之间的相似度，基于相似度计算多样性系数ratio，该多样性系数ratio的大小与样本的差异性呈正相关关系，即ratio越大，则表明该样本与当前样本集的差异性越大，随后，从候选样本中挑选出多样性最大的样本，并将其加入到当前样本集中，之后，重复上述步骤，持续进行样本的多样性系数比较、挑选和加入当前样本集的操作，直至当前样本集内的样本数量达到预设的数量阈值为止，最终，得到满足要求的最终样本集； 候选样本与候选样本的集合内所有样本之间的相似度为： 其中，S表示当前样本集，xi表示当前样本集内样本，x表示候选样本，n表示候选样本的总数，simx，S表示相似度； 所述多样性系数为： 其中，n表示候选样本的总数。

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。