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！

龙图腾网获悉天津大学申请的专利一种基于异构感知的互学习半监督3D医学图像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：CN118762175B 。

龙图腾网通过国家知识产权局官网在2025-12-19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：202410734818.X，技术领域涉及：G06V10/26；该发明授权一种基于异构感知的互学习半监督3D医学图像分割方法是由徐君海;井钰;路文焕设计研发完成，并于2024-06-07向国家知识产权局提交的专利申请。

本一种基于异构感知的互学习半监督3D医学图像分割方法在说明书摘要公布了：本发明公开一种基于异构感知的互学习半监督3D医学图像分割方法，旨在更为充分地挖掘并利用未标记数据，以实现分割性能的提升。首先，该嵌入了不确定感知模型，在单步前向传播过程中实时评估潜在错误预测区域，并通过构造差异掩模与优化修正损失函数的方式，提升了模型对不确定区域的理解和判断能力。其次，算法设计了多视角对比重构模型，该模块包含两组结构不同的子网络。这两组子网通过比较各自预测结果间的差异，精准定位并重点优化那些可能存在误分割的区域。最后，构建互一致性学习网络模型，包括熵增引导、交叉伪监督以及针对模糊区域和决策边界的精细化方向一致性优化，从而有效地利用了未标记数据中蕴含的大量信息。

本发明授权一种基于异构感知的互学习半监督3D医学图像分割方法在权利要求书中公布了：1.基于异构感知的互学习半监督3D医学图像分割方法，其特征在于，包括： S1.构建不确定性感知评估模型；具体包括： S101.设计一个包含四个分类器的计算单元，这些分类器共享同一个编码器，但使用不同的损失函数，包括交叉熵损失、focal损失、Dice损失和IoU损失； S102.通过上述分类器对每个体素进行预测得到确定性区域和不确定性区域，生成具有认知不确定性的权重图，以减少额外的计算成本； S103.对于确定性区域，使用伪标签策略，并计算相应的伪标签损失采用学生网络与教师网络对不确定性区域进行预测，得到学生网络与教师网络预测之间的一致性损失 S104.定义总无监督损失函数得到不确定性感知评估模型，并结合伪标签损失和一致性损失，以优化不确定性感知评估模型对不确定性区域的预测； S2.构建多视角对比重构模型，具体包括： S201.对学生网络与教师网络的输出进行二值化异或操作，得到差异掩码Mdiff； S202.使用差异掩码Mdiff来提取每个体素潜在的错误预测区域，并计算潜在的错误预测区域的修正损失函数 S203.综合基础分割损失和修正损失函数得到多视角对比重构模型，定义多视角对比重构模型的监督学习损失以提升多视角对比重构模型的性能； S3.构建并优化互一致性学习网络模型，具体包括： S301.利用交叉伪监督方法，计算学生网络与教师网络的类间相似性惩罚损失和交叉伪监督损失以监督教师和学生网络学习； S302.利用蒸馏方法计算学生网络与教师网络的双向KL损失以及通过Dice损失得到的蒸馏损失以促进学生网络与教师网络间的信息交流； S303.定义基于置信度的熵损失结合交叉伪监督损失、双向KL损失和蒸馏损失，以优化学生网络与教师网络的预测一致性； S304.通过解耦学生网络与教师网络预测结果的不一致部分为不可靠数据和引导数据，计算学生网络与教师网络的方向一致性损失并优化跨像素空间的一致性损失得到互一致性学习网络模型，并提高互一致性学习网络模型对决策边界周围像素的预测准确性； 综合不确定性感知评估模型、多视角对比重构模型和互一致性学习网络模型实现对学生网络与教师网络的输入数据的不确定性知识进行挖掘。

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天津大学，其通讯地址为：300072 天津市南开区卫津路92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。