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！

龙图腾网获悉南京航空航天大学申请的专利一种基于提示学习的医学图像多目标域领域自适应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：CN116468720B 。

龙图腾网通过国家知识产权局官网在2025-12-23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：202310514281.1，技术领域涉及：G06T7/00；该发明授权一种基于提示学习的医学图像多目标域领域自适应方法是由温旭云;林意力;张道强设计研发完成，并于2023-05-09向国家知识产权局提交的专利申请。

本一种基于提示学习的医学图像多目标域领域自适应方法在说明书摘要公布了：本发明公开了一种基于提示学习的医学图像多目标域领域自适应方法，包括如下步骤：步骤1、分割主干模块利用U‑net分割模型，用于由输入的医学图像生成分割结果；步骤2、提示生成模块使用域分类器的中间特征生成对应域的提示；步骤3、特征融合模块将分割结果与提示特征进行融合，对抗学习模块利用对抗学习原理，将融合后的特征做特征对其进一步提升模型性能。本发明利用已知的输入域类别生成提示，指导模型对不同域进行特定的分割处理，实现具有较好分割表现的深度学习模型。

本发明授权一种基于提示学习的医学图像多目标域领域自适应方法在权利要求书中公布了：1.一种基于提示学习的医学图像多目标域领域自适应方法，其特征在于，包括如下步骤： 步骤1、分割主干模块利用U-net分割模型，用于由输入的医学图像生成分割结果； 步骤2、提示生成模块使用域分类器的中间特征生成对应域的提示；提示生成模块包括分类器和提示生成器；分类器用于将输入的编码器特征分类到其所属的域，提示生成器用于将分类器的中间特征提取并处理成特定域提示； 分类器hx，用于区分输入图像的域，表示为如公式1所示： 其中x代表模型的中间特征； 利用交叉熵损失来训练该分类器，如公式2所示： 其中代表模型预测的类别，d代表输入的真实类别； 提示生成器中，将分类器的倒数第二层特征z输入到提示生成器gz中，gz是一个多层感知机，如公式3所示： 其中代表由卷积+归一化+ReLU激活组成的网络层； 步骤3、特征融合模块将分割结果与提示特征进行融合，对抗学习模块利用对抗学习原理，将融合后的特征做特征对其进一步提升模型性能；对抗学习模块使用经典的GAN损失来训练鉴别器和生成器，损失函数如公式7所示： 其中Gzi表示结合了域特定提示的其他域数据，训练生成器时力图让辨别器将其他域数据识别为源域数据；而xi和代表训练辨别器时的源域数据和结合域特定提示的目标域数据，训练辨别器时力图让辨别器将源域数据和其他域数据分离开来，用这种方式实现对抗训练。

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南京航空航天大学，其通讯地址为：210016 江苏省南京市秦淮区御道街29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。