恭喜廈門大學附屬心血管病醫院(廈門市心臟中心)張樂獲國家專利權
買專利賣專利找龍圖騰,真高效! 查專利查商標用IPTOP,全免費!專利年費監控用IP管家,真方便!
龍圖騰網恭喜廈門大學附屬心血管病醫院(廈門市心臟中心)申請的專利基于邊界對比的域適應跨模態醫學圖像分割方法、裝置、設備和介質獲國家發明授權專利權,本發明授權專利權由國家知識產權局授予,授權公告號為:CN119295491B 。
龍圖騰網通過國家知識產權局官網在2025-03-25發布的發明授權授權公告中獲悉:該發明授權的專利申請號/專利號為:202411804970.7,技術領域涉及:G06T7/11;該發明授權基于邊界對比的域適應跨模態醫學圖像分割方法、裝置、設備和介質是由張樂;林喜;黃晨曦;王斌設計研發完成,并于2024-12-10向國家知識產權局提交的專利申請。
本基于邊界對比的域適應跨模態醫學圖像分割方法、裝置、設備和介質在說明書摘要公布了:本發明提供一種基于邊界對比的域適應跨模態醫學圖像分割方法、裝置、設備和介質,涉及醫學圖像分割技術領域。方法包括:從源域和目標域數據集分別獲取源樣本和目標域圖像;以第一圖像分割模型為教師模型,為目標域圖像的偽標簽分配權重;通過雙向跨域cutmix得訓練樣本;以權重可學習的第一模型為學生模型,進行監督和自我訓練;訓練時結合監督損失和對比損失,以將查詢樣本拉向原型正樣本、推離邊界負樣本為目標優化參數,獲取第二圖像分割模型;最后用該模型分割第二模態醫學圖像。該方法在跨模態醫學圖像分割中有顯著優勢,能有效提升分割性能。
本發明授權基于邊界對比的域適應跨模態醫學圖像分割方法、裝置、設備和介質在權利要求書中公布了:1.一種基于邊界對比的域適應跨模態醫學圖像分割方法,其特征在于,包含:從第一模態的源域數據集中獲取源樣本;源樣本包含源域圖像和源標簽;從第二模態的目標域數據集中獲取和所述源域圖像對應的目標域圖像;以基于第一模態數據訓練的第一圖像分割模型作為教師模型,將目標域圖像輸入所述教師模型,獲取偽標簽,并基于動態權重分配策略,根據像素的預測熵為偽標簽分配不同的權重;通過雙向跨域cutmix,將所述源域圖像和所述目標域圖像混合成混合圖像,將所述源標簽和所述偽標簽混合成混合標簽,獲取訓練樣本;以權重可學習的第一圖像分割模型作為學生模型,將所述源樣本輸入所述學生模型進行監督訓練,將所述訓練樣本輸入所述學生模型進行自我訓練;訓練時,基于學生模型提取的特征獲取查詢樣本,基于教師模型從源域圖像中提取的特征獲取原型正樣本,基于源標簽從每個對象的邊界處提取的邊界特征獲取邊界負樣本,結合監督損失和對比損失進行迭代訓練,以將所述查詢樣本拉向所述原型正樣本推離邊界負樣本為目標,優化學生模型的參數,增強模型在邊界區域的判別能力,獲取第二圖像分割模型;根據所述第二圖像分割模型,分割第二模態的醫學圖像,獲取分割后的第二模態的醫學圖像;通過雙向跨域cutmix,將所述源域圖像和所述目標域圖像混合成混合圖像,將所述源標簽和所述偽標簽混合成混合標簽,獲取訓練樣本,具體包括:生成一個零中心掩碼,用于對源圖像和目標圖像進行雙向混合樣本,獲取混合圖像; ;其中,為第幅混合圖像、表示混合、為第幅源域圖像、表示源域、表示圖像的序號、為第幅目標域圖像、表示目標域、為零中心掩碼、表示相乘、和分別表示圖像的高度和寬度;采用混合圖像相同的混合方式,混合所述源標簽和所述偽標簽,獲取所述混合標簽;根據所述混合圖像和所述混合標簽,獲取訓練樣本,表示圖像的序號、表示混合圖像的數量。
如需購買、轉讓、實施、許可或投資類似專利技術,可聯系本專利的申請人或專利權人廈門大學附屬心血管病醫院(廈門市心臟中心),其通訊地址為:361000 福建省廈門市湖里區金山路2999號;或者聯系龍圖騰網官方客服,聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。
1、本報告根據公開、合法渠道獲得相關數據和信息,力求客觀、公正,但并不保證數據的最終完整性和準確性。
2、報告中的分析和結論僅反映本公司于發布本報告當日的職業理解,僅供參考使用,不能作為本公司承擔任何法律責任的依據或者憑證。