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！

龙图腾网获悉同济大学申请的专利一种支持生成医学分割数据对的多阶段式生成对抗网络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：CN116797909B 。

龙图腾网通过国家知识产权局官网在2025-11-18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：202310769742.X，技术领域涉及：G06V10/82；该发明授权一种支持生成医学分割数据对的多阶段式生成对抗网络是由刘钦源;柴露;程大伟;王成设计研发完成，并于2023-06-28向国家知识产权局提交的专利申请。

本一种支持生成医学分割数据对的多阶段式生成对抗网络在说明书摘要公布了：本发明提供一种支持生成医学分割数据对的多阶段式生成对抗网络，属于医学图像生成领域，方法包括：对分割数据集内的医学图像进行解耦；将医学图像生成分为三个阶段；利用人体结构对称性获取无病灶的医学图像；使用多阶段式生成对抗网络生成多样的逼真数据对。图像解耦指利用分割掩码将医学图像分为病灶和非病灶区域，图像生成的三个阶段指非病灶区域生成、病灶区域形状的生成、非病灶和病灶区域纹理的加强。本发明为了缓解医学图像分割数据集稀缺问题，将医学图像生成过程解耦，构建了能同时生成医学图像和对应分割掩码的多阶段式生成对抗网络，通过阶段性生成复杂医学图像的不同部分，有效提升了生成图像的质量。

本发明授权一种支持生成医学分割数据对的多阶段式生成对抗网络在权利要求书中公布了：1.一种支持生成医学分割数据对的多阶段式生成对抗网络，其特征在于，包括如下步骤： S1：对分割数据集内的医学图像进行解耦； S2：将解耦后的医学图像分为三个阶段过程，三个阶段过程分别为：非病灶区域生成、病灶区域形状的生成以及非病灶区域与病灶区域纹理的加强； S3：利用人体结构对称性获取无病灶的医学图像； S4：使用多阶段式生成对抗网络生成多样的逼真数据对； 所述S4中，使用多阶段式生成对抗网络生成多样的逼真数据对，包括医学图像和对应的分割掩码，具体包括如下步骤： S41：将得到的无病灶的医学图像与相对应的分割掩码和医学图像构成一组训练数据对； S42：构建多阶段式生成对抗网络； S43：训练所述阶段式生成对抗网络； S44：生成医学图像和对应的分割掩码； 所述S42中，所述构建多阶段式生成对抗网络包括如下步骤： S421：根据生成目标的不同，将生成对抗网络结构分为背景阶段、掩码阶段和增强阶段； S422：构建三阶段式生成对抗网络，所述三阶段式对抗网络包括三个VAEGAN架构和一个BiDiscriminator判别器，所述VAEGAN架构包括一个编码器、一个解码器以及一个判别器，所述编码器将输入图像映射至潜在向量空间，所述解码器把潜在向量重建为图像，所述解码器和判别器共同约束VAEGAN架构的生成过程；所述BiDiscriminator判别器通过判别包括有潜在向量和真实图像的数组以及包括有真实向量和生成图像的数组来提高图像空间与潜在向量空间的相关性； S423：通过背景阶段生成无病灶图像，通过掩码阶段生成分割掩码，通过增强阶段生成病灶区域和非病灶区域的增强纹理，所有生成过程由多阶段生成对抗网络中的编解码器和判别器进行约束； S424：通过设计消融实验来验证三阶段生成的必要性； S43中，训练阶段式生成对抗网络具体包括如下步骤： S431：将合成的无病灶图像以及对应的分割掩码和医学图像作为输入数据与生成目标，即输入样本； S432：使用所述输入样本训练阶段式生成对抗网络，并设定训练次数，所述训练次数满足当所述阶段式生成对抗网络训练该次数后模型趋于稳定； S433：保存最终模型； 所述S44具体包括如下步骤： S441：随机生成潜在向量空间的三个向量和一个噪声向量； S442：加载训练完成的阶段式生成对抗网络的三个生成器； S443：将潜在向量空间的任意两个向量与噪声向量相连得到两个合成向量，两个合成向量分别为第一合成向量和第二合成向量；将潜在向量空间的剩余的向量作为第三合成向量； S444：将第一合成向量输入背景阶段中的生成器，得到无病灶图像；将第二合成向量输入掩码阶段中的生成器，得到掩码图像，并将掩码图像与无病灶图像相乘得到仅包含非病灶区域的图像；将第三合成向量输入增强阶段的生成器，得到增强图像，将增强图像与无病灶图像相叠加得到逼真的医学图像。

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同济大学，其通讯地址为：200092 上海市杨浦区四平路1239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。