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！

龙图腾网获悉厦门大学附属第一医院(厦门市第一医院、厦门市红十字医院、厦门市糖尿病研究所);厦门智融合科技有限公司申请的专利一种基于双重校正的半监督医学图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：CN121391894B 。

龙图腾网通过国家知识产权局官网在2026-05-05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：202511985021.8，技术领域涉及：G06T7/10；该发明授权一种基于双重校正的半监督医学图像分割方法是由黄玉珠;江金治;王冰冰;陈雅琪;张龙晖设计研发完成，并于2025-12-26向国家知识产权局提交的专利申请。

本一种基于双重校正的半监督医学图像分割方法在说明书摘要公布了：本发明公开了一种基于双重校正的半监督医学图像分割方法，涉及医学图像处理与分析技术领域，包括初始化双学生模型和教师模型，划分数据集并进行预处理；基于预处理后的数据集，利用双学生模型和教师模型进行预测；根据双学生模型的预测结果识别双学生模型不一致区域，对双学生模型进行校正，并计算有监督损失和总体有监督损失；根据教师模型的预测结果计算不确定性图，基于不确定性图，动态筛选高置信度伪标签，并计算教师仲裁损失；综合各损失来定义总损失，优化双学生模型参数；通过多轮迭代训练，不断优化模型参数，最终输出医学图像分割模型。本发明通过引入双学生模型与教师模型的协同工作机制，提升了分割模型在处理无标签数据时的准确性。

本发明授权一种基于双重校正的半监督医学图像分割方法在权利要求书中公布了：1.一种基于双重校正的半监督医学图像分割方法，其特征在于：包括， 初始化双学生模型和教师模型，划分数据集并进行预处理； 基于预处理后的数据集，利用双学生模型和教师模型进行预测； 根据双学生模型的预测结果识别双学生模型不一致区域，对双学生模型进行校正，并计算有监督损失和总体有监督损失； 根据教师模型的预测结果计算不确定性图，基于不确定性图，动态筛选高置信度伪标签，并计算一致性损失和教师仲裁损失； 综合总体有监督损失、一致性损失和教师仲裁损失来定义总损失，优化双学生模型参数； 通过多轮迭代训练，不断优化模型参数，最终输出医学图像分割模型； 根据双学生模型的预测结果识别双学生模型不一致区域，对双学生模型进行校正，并计算有监督损失和总体有监督损失，包括如下步骤， 将学生模型A和B对有标签数据的预测结果进行Softmax归一化处理，得到概率图和； 对概率图和进行二值化处理，生成二值化后的预测图，然后进行异或操作，得到不一致区域的掩码； 使用掩码提取出学生模型A和B在不一致区域上的预测结果和，以及真实标签； 通过MSE衡量学生模型A和B在潜在错误区域的预测结果与真实标签之间的差异，得到校正损失； 利用交叉熵损失衡量模型预测的类别概率分布与真实标签分布之间的差异； 利用Dice损失衡量模型预测与真实标签之间的重叠程度； 结合交叉熵损失和Dice损失，计算有监督损失，将有监督损失与校正损失结合，得到总体有监督损失； 基于不确定性图，动态筛选高置信度伪标签，并计算一致性损失和教师仲裁损失，包括如下步骤， 采用Sigmoid型的动态阈值函数，随着迭代次数的增加，逐步调整伪标签筛选的标准，表达式为， 其中，为当前的迭代次数，为预定的最大迭代次数，和为控制Sigmoid函数形状和位置的参数，为筛选阈值； 分别对学生模型A和B的预测结果应用锐化函数，生成锐化伪标签； 利用均方误差衡量学生模型A和B的预测结果与对方生成的锐化伪标签之间的差异，得到一致性损失； 根据教师模型的预测类别概率和不确定性图，筛选出高置信度的伪标签； 利用Kullback-Leibler散度损失衡量学生模型A和B的预测分布与教师模型在高置信度伪标签上的分布差异，得到教师仲裁损失。

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厦门大学附属第一医院(厦门市第一医院、厦门市红十字医院、厦门市糖尿病研究所);厦门智融合科技有限公司，其通讯地址为：361000 福建省厦门市思明区镇海路上古街10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。