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！

龙图腾网获悉湖南工商大学申请的专利基于U-KAN网络的半监督三维左心房图像分割方法及相关装置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：CN120088488B 。

龙图腾网通过国家知识产权局官网在2026-04-10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：202510499063.4，技术领域涉及：G06V10/26；该发明授权基于U-KAN网络的半监督三维左心房图像分割方法及相关装置是由周鲜成;白慧慧;史长发;王棋峥;王紫婧设计研发完成，并于2025-04-18向国家知识产权局提交的专利申请。

本基于U-KAN网络的半监督三维左心房图像分割方法及相关装置在说明书摘要公布了：本发明提供了一种基于U‑KAN网络的半监督三维左心房图像分割方法及相关装置，涉及医学图像处理技术领域。通过对医学图像进行预处理，将有标注图像输入学生模型中，得到有标注图像的分割预测，计算有监督损失；将无标注图像输入教师模型中使教师模型生成分割预测并估计每个图像的不确定性；筛选可靠的无标注目标供学生模型学习；将无标注图像输入学生模型中进行分割预测，计算与教师模型的无监督一致损失；通过最小化总损失优化学生模型，并利用指数移动平均更新教师模型；使用训练好的学生模型进行三维左心房图像分割。在左心房图像分割的场景下，实现了分割精度高，分割速度快的技术效果。

本发明授权基于U-KAN网络的半监督三维左心房图像分割方法及相关装置在权利要求书中公布了：1.一种基于U-KAN网络的半监督三维左心房图像分割方法，其特征在于，包括以下步骤： S1：对医学图像进行预处理，将有标注图像输入学生模型中，得到有标注图像的分割预测，并计算有监督损失； S2：将无标注图像输入教师模型中，以使教师模型生成分割预测并估计每个图像的不确定性； S3：根据教师模型的不确定性估计，筛选出可靠的无标注目标供学生模型学习； 其中，步骤S3还包括：选择随时间迭代的动态阈值，以该阈值为衡量标准，以判断无标注样本的不确定性高低，在体素级别上，过滤掉教师模型相对不可靠的预测，只选择特定的预测作为学生模型学习的目标； S4：将无标注图像输入学生模型中进行分割预测，计算与教师模型的无监督一致损失，总损失为有监督损失和无监督一致损失之和； S5：通过最小化总损失优化学生模型，并利用指数移动平均更新教师模型； S6：使用训练好的学生模型进行三维左心房图像分割； 其中，所述学生模型和教师模型的骨干网络为改进的U-KAN网络，所述改进的U-KAN网络包括： 编码器部分，由三个卷积块和两个标记化的KAN块组成； 解码器部分，由两个标记化的KAN块和三个卷积块组成； 跳跃连接部分，加入双重交叉注意机制，用于缩小编码器和解码器特征之间的语义差距； 其中，所述计算与教师模型的无监督一致损失的步骤，包括： 其中，为指示函数，Y是过滤不确定预测的阈值，如果第v个体素的不确定性低于阈值Y则返回1，否则返回0，用以筛选出可靠的目标，为缩放因子，用来调整这一项在损失函数中的影响程度，为指示函数求和，和分别是教师模型和学生模型在第v个体素位置的预测结果，得到的是在第v个体素位置上教师模型和学生模型预测结果的差值，反映了两个模型在该体素位置预测结果的差异程度，是第v个体素上的不确定性值，和分别表示体素及其周围[0，μ]范围体素的教师模型的预测，AVG·是一个平均函数，对于所有体素，边缘区域的体素的值与其周围的平均值差距较大，因此具有较高的值，被视为重要体素，相反，位于前景或背景的体素，其值与周围平均值接近，属于简单体素，值接近于0，表示极小值。

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湖南工商大学，其通讯地址为：410000 湖南省长沙市岳麓区岳麓大道569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。