Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 湖南大学王耀南获国家专利权

湖南大学王耀南获国家专利权

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!

龙图腾网获悉湖南大学申请的专利一种基于视觉语言模型的半监督医学图像分割方法、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:CN119904472B

龙图腾网通过国家知识产权局官网在2025-12-05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:202510084683.1,技术领域涉及:G06T7/11;该发明授权一种基于视觉语言模型的半监督医学图像分割方法、系统是由王耀南;于晓倩;刘敏;张哲;谭晓设计研发完成,并于2025-01-17向国家知识产权局提交的专利申请。

一种基于视觉语言模型的半监督医学图像分割方法、系统在说明书摘要公布了:一种基于视觉语言模型的半监督医学图像分割方法、系统,方法包括:S1、获取待分割的包含标注和未标注样本的医学图像数据集;S2、对视觉语言模型进行预训练;S3、利用标注样本对教师模型进行训练,然后将未标注样本输入到训练后的教师模型中,得到伪标签;S4、对预训练后的视觉语言模型进行训练,得训练后的视觉语言模型;S5、对训练后的视觉语言模型进行优化;S6、对分割模型进行训练;S7、对训练的分割模型进行优化;S8、调整学习效率、批次大小,循环S1至S7,将多个模型的预测结果集成,得到最终的分割结果。本发明能够学到多种视觉和语言特征,为医学图像分割任务中的迁移学习提供了良好的基础,使模型能够适应不同的图像特征。

本发明授权一种基于视觉语言模型的半监督医学图像分割方法、系统在权利要求书中公布了:1.一种基于视觉语言模型的半监督医学图像分割方法,其特征在于,包括如下步骤: S1、获取待分割的包含标注和未标注样本的医学图像数据集,并对医学图像数据集进行预处理; S2、对视觉语言模型进行预训练,得到预训练后的视觉语言模型; S3、选择一个分割模型作为教师模型,并利用标注样本对教师模型进行训练,得到训练后的教师模型; S4、利用医学图像数据集对预训练后的视觉语言模型进行训练,得训练后的视觉语言模型; S5、对原始医学图像进行增强,得到变体图像,然后利用原始医学图像和变体图像对训练后的视觉语言模型进行优化,得到优化后的视觉语言模型,将未标注样本输入到优化后的视觉语言模型中,提取图像特征和文本特征,并将图像特征、文本特征与原始医学图像的像素级特征再次输入到训练后的教师模型中,得到优化的伪标签; S6、选定分割模型,利用标注样本和S5得到的伪标签对分割模型进行训练,得到训练的分割模型; S7、根据原始医学图像的每个像素点的初步分割概率图计算单元项,并依据相邻像素点之间的相似性定义相互作用项,然后依据单元项和相互作用项对训练的分割模型进行优化,得到优化后的分割模型; S8、调整优化后的分割模型的学习效率、批次大小,循环S1至S7,得到多个分割模型,将多个模型的预测结果集成,得到最终的分割结果; 单元项的公式为: Uyi=-logPyi 其中,Uyi表示单元项;Pyi表示像素点i属于标签yi的概率; 相互作用项的公式为: 式中,Vyi,yj表示相互作用项;μyi≠yj为惩罚项,表示相邻像素点标签不同的能量值;pi,pj为像素点i和j的位置坐标;σ为高斯核的平滑参数,||·||为向量的欧几里得范数。

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湖南大学,其通讯地址为:410082 湖南省长沙市岳麓区麓山南路1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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。