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！

龙图腾网获悉深圳大学申请的专利基于涂鸦标注的医学图像分割模型训练方法、装置及终端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：CN115861333B 。

龙图腾网通过国家知识产权局官网在2026-02-13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：202211489694.0，技术领域涉及：G06T7/10；该发明授权基于涂鸦标注的医学图像分割模型训练方法、装置及终端是由王毅;杨泽帆设计研发完成，并于2022-11-25向国家知识产权局提交的专利申请。

本基于涂鸦标注的医学图像分割模型训练方法、装置及终端在说明书摘要公布了：本发明公开了一种基于涂鸦标注的医学图像分割模型训练方法、装置及终端，使用两个权重共享的医学图像分割模型构建双网络结构。输入医学图像经由增强操作处理获得标准增强视图和复合增强视图，标准增强视图和复合增强视图分别作为双网络结构的输入，获得伪标签和预测标签。计算衡量伪标签与预测标签之间相似性的一致性正则化损失。在模型训练过程中，最小化包括一致性正则化的损失函数来优化模型参数。与现有技术相比，本发明使用权重共享的双网络结构进行一致性正则化训练，最大化同一图像的不同增强视图的预测的相似性，优化效果好，并且能在一次训练中完成网络参数优化，无需进行多次迭代训练，训练效率高。

本发明授权基于涂鸦标注的医学图像分割模型训练方法、装置及终端在权利要求书中公布了：1.基于涂鸦标注的医学图像分割模型训练方法，其特征在于，所述训练方法包括： 对涂鸦标注后的医学图像进行第一图像增强操作获得标准增强视图，对标准增强视图进行第二图像增强操作获得复合增强视图； 将所述标准增强视图和所述复合增强视图各输入双网络结构中的一个网络，分别获得伪标签和预测标签，所述双网络结构中的每个网络均为医学图像分割模型，且两个医学图像分割模型之间权重共享； 计算所述伪标签与所述预测标签之间的相似性，获得一致性正则化损失； 构造包括所述一致性正则化损失的损失函数； 根据所述损失函数训练所述医学图像分割模型，直至所述损失函数收敛，获得训练后的医学图像分割模型； 还设有用于存储有标注像素的特征的特征池，所述训练方法还包括： 对所述标准增强视图中有标注像素进行特征提取，获得隐藏特征； 基于隐藏特征和有标注像素的权重，获得有标注像素的特征； 基于有标注像素的特征，动态更新所述特征池； 基于相同的映射函数来映射隐藏特征和特征池，计算所述隐藏特征的映射结果和涂鸦标注之间的部分交叉熵以及表示特征池标注的单位矩阵与特征池的映射结果之间的交叉熵，分别获得辅助损失和特征池损失；构造所述损失函数时还包括所述辅助损失和所述特征池损失； 所述基于有标注像素的特征，动态更新所述特征池，包括： 根据设定的动量系数和有标注像素的特征，采用动量移动平均的方法更新所述特征池。

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深圳大学，其通讯地址为：518060 广东省深圳市南山区南海大道3688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。