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！

龙图腾网获悉河北工程大学申请的专利基于不确定性指导的半监督医学图像解耦对比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：CN121353864B 。

龙图腾网通过国家知识产权局官网在2026-05-01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：202511498162.7，技术领域涉及：G06V10/82；该发明授权基于不确定性指导的半监督医学图像解耦对比分割方法是由王冬生;郎晓含;杨立洁;潘玮炜;刘杰辉;郭进喜;李建申设计研发完成，并于2025-10-20向国家知识产权局提交的专利申请。

本基于不确定性指导的半监督医学图像解耦对比分割方法在说明书摘要公布了：本发明公开了基于不确定性指导的半监督医学图像解耦对比分割方法，涉及计算机视觉和半监督学习技术领域，包括构建双学生－单教师同架构网络；用Dice损失选有标签数据预测更优的“winner”学生模型，借EMA公式更新教师模型参数；教师模型为无标签数据生成伪标签，以Dice损失指导学生模型更新；引入CCB模块，按熵值算不确定性，结合预测一致性定伪标签助互补学习；按总损失公式算损失，迭代训练至收敛，本方案相对于现有技术提升分割准确性与稳定性，可辅助磁共振图像异常区域、病灶分割，减轻医生负担，且架构通用可拓展。从而解决有效解决现有方法模型参数耦合、错误预测误导及标注依赖高的问题。

本发明授权基于不确定性指导的半监督医学图像解耦对比分割方法在权利要求书中公布了：1.基于不确定性指导的半监督医学图像解耦对比分割方法，其特征在于，包括以下步骤： S1，构建由两个学生模型和一个教师模型组成的网络架构，且三个模型具有相同的网络架构； S2，对有标签进行处理：输入有标签医学图像至两学生模型，构建winner学生模型，所述winner学生模型通过Dice损失动态竞争确定,预测结果与真实标签差较小的模型称之为winner，且每次迭代仅由winner学生模型通过移动指数平均EMA更新教师模型参数，避免模型参数耦合；所述移动指数平均EMA公式为： 式中，为当前迭代教师模型参数，为上一次迭代教师模型参数，为“winner”学生模型参数； S3，对无标签进行处理：将无标签医学图像输入教师模型，得到教师模型的预测结果；将该预测结果输入softmax激活函数，得到类别概率值，再通过max函数确定类别索引，作为教师模型的伪标签；通过Dice损失函数计算两个学生模型对无标签医学图像的输出结果与伪标签的差异，指导两个学生模型更新参数； S4，引入互补模块CCB，按熵值计算两学生模型预测不确定性，依预测一致性与不确定性确定伪标签以指导学习； S4中所述的按熵值计算两学生模型预测不确定性计算公式为： 式中，表示为熵值，具体为模型预测结果的不确定性；P表示为模型预测结果的概率值，i表示为的是类别数量； 首先在两个模型预测一致的区域且预测结果不确定性较低的类别结果作为伪标签，其次为了增加更加多样性的预测且结合双学生模型的预测优势，如果另一个效果较差的模型在两个模型预测不一致的区域表现的不确定性更低，那么此预测结果就将补充到最后双模型预测结果，作为最后伪标签来指导两个学生模型进行学习； S5，按总损失公式计算损失，迭代训练网络至收敛。

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河北工程大学，其通讯地址为：056038 河北省邯郸市经济技术开发区太极路19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。