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！

龙图腾网获悉浙江大学申请的专利基于Transformer与CNN交互的半监督医学影像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：CN116258695B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202310129552.1，技术领域涉及：G06T7/00；该发明授权基于Transformer与CNN交互的半监督医学影像分割方法是由林兰芬;解仕奥;牛子未设计研发完成，并于2023-02-03向国家知识产权局提交的专利申请。

本基于Transformer与CNN交互的半监督医学影像分割方法在说明书摘要公布了：本发明公开了一种基于Transformer与CNN交互的半监督医学影像分割方法，包括：本发明将Transformer引入到医学影像半监督分割框架中，并设计了Transformer分支与CNN分支之间特征交互的模块C2T模块和T2C模块，实现两分支之间高效的知识共享，提高分割网络同时捕捉细节特征和建立全局依赖关系的能力；同时增加了特征一致性分布约束，利用Teacher模型的Transformer分支的特征协方差矩阵去约束Student的CNN分支特征协方差矩阵，同样Teacher模型的CNN分支的特征协方差矩阵去约束Transformer的特征协方差矩阵，通过这种交叉教学的方式，使得引入Transformer分支之后的半监督框架更加稳定，同时产生更加准确的伪标签。

本发明授权基于Transformer与CNN交互的半监督医学影像分割方法在权利要求书中公布了：1.一种基于Transformer与CNN交互的半监督医学影像分割方法，其特征在于，包括以下步骤： 1教师学生网络构建：教师网络和学生网络都由CNN分支和Transformer分支结合而成，CNN分支提取医学影像特征和Transformer分支提取医学影像特征并进行交互，所述的CNN分支通过C2T模块与Transformer分支交互，所述的Transformer分支通过T2C模块与CNN分支交互； 2学生网络训练：利用有标签的数据训练学生网络，初始化学生网络参数，并将参数复制给教师网络； 3生成伪标签：将医学影像中无标签的数据输入至教师网络，以教师网络的预测输出作为无标签的数据的伪标签； 4数据增强：利用数据增强方法，为无标签的数据进行数据增强； 5学生网络优化及预测：将有标签数据和增强后的无标签数据同时输入至学生网络，学生网络利用有标签数据更新网络参数，提取无标签数据特征并输出其预测分布； 6特征一致性约束：将增强后的无标签数据输入至教师网络，提取无标签数据特征并输出其预测分布，将教师网络提取的特征与学生网络提取的特征进行一致性约束； 7伪标签监督训练；对步骤6中教师网络的预测分布计算信息熵，并设定选择阈值对伪标签进行过滤选择，仅保留高置信度伪标签，并利用监督学生网络的预测分布； 8整体损失优化：训练上述网络时，对总体损失进行优化以及反向梯度传播，以更新网络参数： 9网络参数传递：网络参数更新后，学生网络将其网络参数通过指数移动平均传递给教师网络以进行进一步迭代训练； 10目标图像分割：对于给定目标域图像，分割模型输出目标图像每个像素点所属类别概率，选取最大概率的类别作为该像素点预测类别。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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。