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！

龙图腾网获悉苏州大学申请的专利一种基于混合监督学习的视网膜病灶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：CN121415456B 。

龙图腾网通过国家知识产权局官网在2026-03-20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：202512000177.2，技术领域涉及：G06V40/18；该发明授权一种基于混合监督学习的视网膜病灶分割方法是由石霏;王思予;陈新建;彭涛设计研发完成，并于2025-12-29向国家知识产权局提交的专利申请。

本一种基于混合监督学习的视网膜病灶分割方法在说明书摘要公布了：本发明涉及图像处理技术领域，尤其是指一种基于混合监督学习的视网膜病灶分割方法，利用有限的全标注图像和较多的点标注图像进行视网膜多类病灶分割；混合监督网络模型采用了参数解耦策略优化教师网络，在常规训练轮次下，利用学生网络基于全标注图像和点标注图像更新教师网络的参数；在特定的训练轮次下，将当前教师网络参数复制到辅助优化网络上，让辅助优化网络利用全标注图像更新后的辅助优化网络参数重新复制回教师网络，完成对教师网络的有监督微调；基于参数解耦策略优化教师网络，充分利用像素级标注信息，并在一定程度上缓解教师网络与学生网络之间的强依赖性，有效提升了平均教师网络在视网膜病灶分割上的性能。

本发明授权一种基于混合监督学习的视网膜病灶分割方法在权利要求书中公布了：1.一种基于混合监督学习的视网膜病灶分割方法，其特征在于，应用于包括具有相同分割网络结构的教师网络、学生网络与辅助优化网络的混合监督网络模型中，包括： 获取视网膜OCT图像的点标注图像集合与全标注图像集合； 将点标注集合与全标注集合分别输入学生网络，将全标注集合输入辅助优化网络，将点标注集合输入教师网络，按照预设次数的常规训练间隔一次特定训练的轮次，对混合监督网络模型进行混合监督训练，包括： 在常规训练的轮次中，令学生网络进行前向传播与梯度反向传播，更新学生网络模型参数，并通过指数移动平均更新教师网络模型； 在特定训练的轮次中，将被更新了预设次数的当前教师网络模型的参数复制到辅助优化网络中，令辅助优化网络进行前向传播与反向传播，获取更新后的辅助优化网络的参数，复制回教师网络模型中； 直至训练后的学生网络满足预设截止条件，获取训练好的学生网络； 以训练好的学生网络作为目标分割模型，对待分割OCT图像进行分割，获取视网膜病灶分割结果； 其中，具有相同分割网络结构的教师网络、学生网络与辅助优化网络的分割网络结构为局部特征增强分割网络；所述局部特征增强分割网络为以VGG16为编码器的U-Net架构；将OCT图像输入局部特征增强分割网络，包括： 将OCT图像输入编码器，依次经过N层沿正传播方向串联的编码模块，获取N个编码特征； 将第N个编码特征输入邻域特征增强模块，进行深层特征聚合，获取聚合编码特征； 令各个编码特征与聚合编码特征均经过一个卷积层进行通道变换，获取对应的N个变换特征； 将N个变换特征输入多尺度差分特征融合模块中，进行特征间差分运算，获取N-1个融合特征；其中，第s个变换特征依次经过N-s个差分计算单元，获取各个差分计算单元的输出，包括：第s个变换特征经过第一个差分计算单元的输出，表示为：，；第s个变换特征的第个差分单元的输出经过第个差分计算单元的输出，表示为：，； 对于各个变换特征，将N-s个差分计算单元的输出进行求和后卷积，得到第s个变换特征对应的第s个融合特征，表示为：；其中，表示差分计算操作，；表示高斯误差线性激活函数，表示组标准化，表示取值全为1的卷积核的卷积，与表示输入差分计算单元的两个特征，表示滤波器核的大小； 将N-1个融合特征分别输入N-1个串联的解码模块中，结合前一个解码模块输出的解码特征的上采样特征，进行解码，获取N-1个解码特征；其中，第N-1个解码模块结合第N个变换特征进行解码； 将第1个解码模块输出的解码特征进行卷积，获取分割结果图。

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苏州大学，其通讯地址为：215299 江苏省苏州市吴江区久泳西路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。