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！

龙图腾网获悉五邑大学申请的专利鼻咽癌图像分割方法、设备及介质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：CN117197180B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202311068754.6，技术领域涉及：G06T7/194；该发明授权鼻咽癌图像分割方法、设备及介质是由秦传波;陈祝愿;郑斌;曾军英设计研发完成，并于2023-08-23向国家知识产权局提交的专利申请。

本鼻咽癌图像分割方法、设备及介质在说明书摘要公布了：本申请实施例提供了鼻咽癌图像分割方法、设备及介质，通过半监督方法对分割网络框架训练得到潜在特征、预测结果对和伪标签对；根据预测结果对、伪标签对、局部区域的高度和宽度得到局部区域骰子损失值；根据预测结果对、伪标签对、局部区域骰子损失值得到局部区域置信度损失值；根据潜在特征得到跨模型一致性损失值和差异化一致性损失值；根据所有损失值得到总损失值；根据总损失值调整分割网络框架的参数，得到目标分割网络框架；利用目标分割网络框架进行图像分割；减少伪标签噪声的影响，并通过引入局部区域约束提高局部区域感知能力；将网络之间不同类型的潜在特征关联，以增强模型的表示能力；提高网络的有效性和鲁棒性。

本发明授权鼻咽癌图像分割方法、设备及介质在权利要求书中公布了：1.一种鼻咽癌图像分割方法，其特征在于，包括： 获取第一图像和第二图像，所述第一图像为具有标签的鼻咽癌医学图像，所述第二图像为无标签的鼻咽癌医学图像； 将所述第一图像输入至分割网络框架进行训练，得到经训练的分割网络框架，所述分割网络框架包括第一模型和第二模型，所述第一模型和所述第二模型为具有相同架构和不同参数的并行分割网络模型； 对所述第二图像进行旋转得到第三图像； 将所述第二图像和所述第三图像输入至经训练的分割网络框架，框架的编码器输出所述第二图像的第二潜在特征和所述第三图像的第三潜在特征，框架输出所述第二图像的第二预测结果对和所述第三图像的第三预测结果对； 根据所述第二预测结果对进行阈值处理得到伪标签对； 根据所述第二预测结果对、所述伪标签对、局部区域的高度和宽度得到局部区域骰子损失值； 根据所述第二预测结果对、所述伪标签对、所述局部区域骰子损失值得到局部区域置信度损失值； 根据所述第二潜在特征和所述第三潜在特征得到用于对齐所述第一模型和所述第二模型之间的特征的跨模型一致性损失值； 对所述第二潜在特征进行旋转得到第四潜在特征，根据所述第三潜在特征和所述第四潜在特征得到用于使所述第一模型和所述第二模型的结构信息相互作用的差异化一致性损失值； 根据所述局部区域骰子损失值、所述局部区域置信度损失值、所述跨模型一致性损失值和所述差异化一致性损失值得到总损失值； 根据所述总损失值调整所述分割网络框架的参数，得到目标分割网络框架； 将待处理的鼻咽癌医学图像输入至所述目标分割网络框架进行图像分割，得到图像分割结果； 所述根据所述第二预测结果对、所述伪标签对、局部区域的高度和宽度得到局部区域骰子损失值，通过以下公式表示：；；；其中，为第一模型的对应第n个局部区域的局部区域骰子损失值，为第二模型的对应第n个局部区域的局部区域骰子损失值，为第一模型的局部区域骰子损失值，为第二模型的局部区域骰子损失值，为对应第n个局部区域的第n个第二预测结果对，为对应第n个局部区域的第n个伪标签对，h为局部区域的高度，w为局部区域的宽度，为常数项，N为局部区域的总数量； 所述根据所述第二预测结果对、所述伪标签对、所述局部区域骰子损失值得到局部区域置信度损失值，通过以下公式表示：；；其中，为第一模型的对应第n个局部区域的第n个重新加权因子，为第二模型的对应第n个局部区域的第n个重新加权因子； 所述根据所述第二潜在特征和所述第三潜在特征得到用于对齐所述第一模型和所述第二模型之间的特征的跨模型一致性损失值，通过以下公式表示：；其中，为跨模型一致性损失值，为第一模型的第二潜在特征，为第二模型的第二潜在特征，为第一模型的第三潜在特征，为第二模型的第三潜在特征； 所述根据所述第三潜在特征和所述第四潜在特征得到用于使所述第一模型和所述第二模型的结构信息相互作用的差异化一致性损失值，通过以下公式表示：；式中，为第一模型的第四潜在特征，为第二模型的第四潜在特征； 所述根据所述局部区域骰子损失值、所述局部区域置信度损失值、所述跨模型一致性损失值和所述差异化一致性损失值得到总损失值，包括： 根据所述局部区域骰子损失值和所述局部区域置信度损失值得到局部区域的第一子损失值； 根据所述跨模型一致性损失值、所述差异化一致性损失值和用于平衡不同一致性正则化项的权重系数得到一致性正则化的第二子损失值； 根据分割网络框架的监督损失值、所述第一子损失值和所述第二子损失值得到总损失值； 所述根据所述局部区域骰子损失值、所述局部区域置信度损失值、所述跨模型一致性损失值和所述差异化一致性损失值得到总损失值，通过以下公式表示：；；；；式中，为第一子损失值，为第二子损失值，为分割网络框架的监督损失值，为对分割网络框架的第i个训练轮次，为对分割网络框架的最大训练轮次。

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五邑大学，其通讯地址为：529000 广东省江门市蓬江区东成村22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。