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！

龙图腾网获悉西南科技大学申请的专利一种基于多分支蒸馏的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：CN121458742B 。

龙图腾网通过国家知识产权局官网在2026-04-17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：202610009609.8，技术领域涉及：G06T7/11；该发明授权一种基于多分支蒸馏的医学图像分割方法是由江宁;王亮洁;匡晓琪;俞文心;何刚;张志强设计研发完成，并于2026-01-06向国家知识产权局提交的专利申请。

本一种基于多分支蒸馏的医学图像分割方法在说明书摘要公布了：本发明属于图像处理领域，公开一种基于多分支蒸馏的医学图像分割方法，包括步骤：构建并训练基于不确定性感知的多分支协同蒸馏图像分割模型，建立网络架构包含公用编码器、第一解码器和第二解码器，包括指导解码器和被导解码器；在公用编码器输出上差异化Dropout扰动，生成多重特征并执行多分支前向传播，通过CTF模块融合生成虚拟标签；原始特征图经过被导分支计算监督损失和分布对齐损失；被导模型对扰动特征图的输出通过多层次一致性约束，实现多视图结构一致性，再通过自适应任务平衡机制自动平衡参数权重，构建总损失函数；获取待分割的医学图像输入训练好的图像分割模型获得分割结果。本发明能够实现低标记率下的高质量医学图像分割。

本发明授权一种基于多分支蒸馏的医学图像分割方法在权利要求书中公布了：1.一种基于多分支蒸馏的医学图像分割方法，其特征在于，包括步骤： S101：将医学图像数据集划分为标记数据集和未标记数据集；对未标记数据集的未标记样本进行预处理后，施加局部空间结构扰动；从当前训练批次中随机选取标记样本作为提供局部结构块的干净样本；随后在三维体素空间随机采样连续立方块，并将该区域内的体素执行置换、屏蔽或调制操作，分别构建未标记样本的第一强增强版本和第二强增强版本； S102：建立网络架构包含公用编码器、第一解码器和第二解码器；第一解码器作为平均指导模型，通过指数移动平均更新参数；第二解码器作为被导模型进行端到端训练；在公用编码器输出上差异化Dropout扰动，生成异构特征视图并执行多分支前向传播； S103：基于所述多分支前向传播得到的预测结果，对每个类别汇聚像素级概率统计，获得类中心和类内离散度，用于刻画全局类别先验；同时，基于协方差融合模块分析局部窗口内的协方差结构，生成虚拟标签； 执行多分支前向传播，基于协方差融合模块CTF通过局部统计特性分析来生成虚拟标签，包括： 计算指导模型与被导模型对无扰动特征预测的协方差矩阵，对每个像素2×2局部窗口内，分别计算指导和被导预测概率的平均值和，指导预测的方差、被导预测的方差以及指导与被导的协方差为； 在同一窗口利用协方差矩阵表征两者的协同变化特性： ； 由协方差矩阵得到区域权重Wij： ； 其中，i和j为像素横纵坐标，det为矩阵的行列式； 通过矩阵行列式捕捉局部窗口的协同变化；然后，结合全局先验感知衡量当前预测与所属类中心的类内离散度；最后，根据模型预测的绝对差异，和是微调系数，生成融合系数： ； 其中，pt为指导模型的预测概率，ps为被导模型对无扰动特征的输出，为类中心，为类内离散度，为该像素在M个扰动视图下的均值； 基于动态调整的置信度阈值，在高置信区域直接采用指导预测保证确定性，在需优化区域启动基于共识度的协同融合，获得高质量的虚拟标签辅助训练： ； 其中，为随训练轮次增长的阈值； S104：标记数据计算复合监督损失，对于未标记数据，基于全局类别先验，与被导模型输出计算分布对齐损失，用于约束预测分布与潜在分布保持一致；被导模型对异构特征视图的输出通过多层次一致性约束，实现内部多视图结构一致性损失，再通过自适应任务平衡机制动态调整损失权重，构建总优化目标； S105：基于总损失函数，采用梯度反向传播算法执行模型参数的优化与更新过程。

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西南科技大学，其通讯地址为：621000 四川省绵阳市涪城区青龙大道59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。