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！

龍圖騰網恭喜安徽大學申請的專利一種弱監督醫學圖像分割配準協同處理方法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：CN114677416B 。

龍圖騰網通過國家知識產權局官網在2025-04-29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：202210247027.5，技術領域涉及：G06T7/33；該發明授權一種弱監督醫學圖像分割配準協同處理方法是由屈磊;歐陽磊;吳軍;劉瑜;周文瓊;孫欣儀;陶在洋設計研發完成，并于2022-03-14向國家知識產權局提交的專利申請。

本一種弱監督醫學圖像分割配準協同處理方法在說明書摘要公布了：本發明涉及一種弱監督醫學圖像分割配準協同處理方法，包括：獲取醫學圖像數據及標注，并將醫學圖像分為浮動圖像和固定圖像；由醫學圖像數據構建配準模型，基于配準模型更新弱監督分割數據；由弱監督分割數據構建分割模型，基于分割模型更新弱監督配準數據；由弱監督配準數據訓練配準模型，基于配準模型更新弱監督分割數據；重復步驟3至步驟4，直至分割模型和配準模型收斂；基于收斂后的分割模型和配準模型分別完成圖像分割與配準任務。本發明大大提高小樣本場景下的圖像分割任務與圖像配準任務的表現，既提高了腦圖像的分割精度，也提高了腦圖像的配準精度，為小樣本場景下的醫學圖像分割與配準任務提供新方案。

本發明授權一種弱監督醫學圖像分割配準協同處理方法在權利要求書中公布了：1.一種弱監督醫學圖像分割配準協同處理方法，其特征在于：該方法包括下列順序的步驟：1獲取醫學圖像數據及標注，并將醫學圖像分為浮動圖像和固定圖像；2由醫學圖像數據構建配準模型，基于配準模型更新弱監督分割數據；3由弱監督分割數據構建分割模型，基于分割模型更新弱監督配準數據；4由弱監督配準數據訓練配準模型，基于配準模型更新弱監督分割數據；5重復步驟3至步驟4，直至分割模型和配準模型收斂；6基于收斂后的分割模型和配準模型分別完成圖像分割與配準任務：調用訓練好的分割模型，獨立完成分割任務；調用訓練好的配準模型，獨立完成配準任務；所述步驟2具體包括以下步驟：2a所述配準模型采用Voxel-Morph網絡架構，基于醫學圖像數據，訓練將浮動圖像配準至固定圖像的配準模型；2b基于訓練好的配準模型獲得浮動圖像配準至固定圖像的形變場及逆形變場,如下式所示： 其中，atlas表示浮動圖像，fix表示固定圖像，Φ表示形變場，表示逆形變場，運算符°表示對圖像施加形變場進行變換；2c施加逆形變場于浮動圖像，得到解剖結構接近浮動圖像、亮度分布接近固定圖像的逆形變圖像，如下式所示： 其中，aug表示逆形變圖像；2d基于逆形變圖像和浮動圖像擬合真實數據的亮度場，并通過采樣得到亮度采樣圖像,如下式所示： 其中，表示亮度采樣圖像，λ表示對浮動圖像的采樣系數，λ通過0-1均勻采樣得到；2e基于配準模型生成的形變場擬合真實數據的形變場，并通過將采樣后形變場分別施加于逆形變圖像和浮動圖像對應的標注上，得到雙采樣增廣圖像和對應偽標注,如下式所示： 其中，表示雙采樣增廣圖像，manual表示浮動圖像對應的人工標注，表示雙采樣增廣圖像對應的偽標注，為采樣后形變場，由形變場Φ通過0-1均勻采樣得來；2f將形變場施加于浮動圖像對應的人工標注上，得到固定圖像對應的偽標注，如下式所示： 其中，label表示固定圖像對應的偽標注；2g將固定圖像和其對應的偽標注作為一組新的弱監督數據，將雙采樣增廣圖像和其對應的偽標注作為一組新的弱監督數據，由兩組新的弱監督數據作為新的弱監督分割數據，所述弱監督分割數據是指用于作為分割模型的輸入的弱監督數據；所述步驟4具體包括以下步驟：4a將弱監督配準數據送入配準模型，再次進行訓練；4b基于訓練好的配準模型獲得浮動圖像配準至固定圖像的形變場及逆形變場,如下式所示： 其中，atlas表示浮動圖像，fix表示固定圖像，Φ表示形變場，表示逆形變場，運算符°表示對圖像施加形變場進行變換；4c施加逆形變場于浮動圖像，得到解剖結構接近浮動圖像、亮度分布接近固定圖像的逆形變圖像，如下式所示： 其中，aug表示逆形變圖像；4d基于逆形變圖像和浮動圖像擬合真實數據的亮度場，并通過采樣得到亮度采樣圖像,如下式所示： 其中，表示亮度采樣圖像，λ表示對浮動圖像的采樣系數，λ通過0-1均勻采樣得到；4e基于配準模型生成的形變場擬合真實數據的形變場，并通過將采樣后形變場分別施加于逆形變圖像和浮動圖像對應的標注上，得到雙采樣增廣圖像和對應偽標注,如下式所示： 其中，表示雙采樣增廣圖像，manual表示浮動圖像對應的人工標注，表示雙采樣增廣圖像對應的偽標注，由形變場Φ通過0-1均勻采樣得來；4f將形變場施加于浮動圖像對應的人工標注上，得到固定圖像對應的偽標注，如下式所示： 其中，label表示固定圖像對應的偽標注；4g將固定圖像和其對應的偽標注作為一組新的弱監督數據，將雙采樣增廣圖像和其對應的偽標注作為一組新的弱監督數據，由兩組新的弱監督數據作為新的弱監督分割數據。

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安徽大學，其通訊地址為：230601 安徽省合肥市經濟技術開發區九龍路111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”。