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！

龍圖騰網恭喜吉林大學申請的專利基于多模態師生一致性學習的半監督分割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：CN119624997B 。

龍圖騰網通過國家知識產權局官網在2025-05-30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：202510163504.3，技術領域涉及：G06T7/11；該發明授權基于多模態師生一致性學習的半監督分割方法是由杜濤利;李文輝;高媛媛;王岳;王子明;馬明;楊飛揚設計研發完成，并于2025-02-14向國家知識產權局提交的專利申請。

本基于多模態師生一致性學習的半監督分割方法在說明書摘要公布了：本發明適用于醫學圖像分割技術領域，提供了基于多模態師生一致性學習的半監督分割方法，包括以下步驟：構建教師?雙學生模型框架，該框架包括一個多模態教師模型和兩個獨立的具有不同學習條件的單模態學生模型，這兩個學生模型使用相同結構的分割網絡，分別處理兩種不同模態的圖像；在數據輸入與訓練階段，有標簽的數據通過真實標簽訓練學生模型，而未標記的數據則通過教師模型生成的偽標簽進行訓練；訓練過程中，確保教師模型和學生模型之間，以及兩個學生模型之間的一致性的預測。本發明有效緩解了因標注數據不足而引發的過擬合問題。在標注數據有限的實際醫療場景中，本發明能夠僅憑較少的標簽就實現可靠的分割結果，以緩解醫療條件壓力。

本發明授權基于多模態師生一致性學習的半監督分割方法在權利要求書中公布了：1.基于多模態師生一致性學習的半監督分割方法，其特征在于，包括以下步驟：步驟1、構建教師-雙學生模型框架：教師-雙學生模型框架包括一個多模態教師模型和兩個獨立的具有不同學習條件的單模態學生模型；兩個單模態學生模型使用相同結構的分割網絡，分別處理兩種不同模態的圖像；步驟2、數據輸入與訓練：將多模態教師模型中兩種不同模態的圖像分別輸入到兩個單模態學生模型中；對于有標簽的數據，單模態學生模型通過與其對應的真實標簽進行訓練；對于未標記的數據，多模態教師模型通過生成偽標簽來指導單模態學生模型的訓練；在訓練過程中，保持多模態教師模型和單模態學生模型之間的一致性，同時在兩個單模態學生模型之間產生一致性的預測；所述步驟2中，兩個單模態學生模型在醫學圖像分割任務中使用交叉熵損失和Dice損失相結合的混合分割損失，定義如下： 其中，表示第一種模態m1的學生模型的分割損失；表示第二種模態m2的學生模型的分割損失；S1表示對應的第一種模態m1的學生模型；S2表示對應的第二種模態m2的學生模型；和表示從有標簽的第一種模態數據集和第二種模態數據集中抽取樣本和的期望；LCE表示交叉熵損失；LDice表示Dice損失，用于衡量模型輸出與真實標簽之間的匹配程度；和分別表示第一種模態和第二種模態的真實標簽；表示第一種模態學生模型對輸入圖像的預測輸出；表示第二種模態學生模型對輸入圖像的預測輸出；所述步驟2中，當兩種不同模態的圖像分別輸入到兩個單模態學生模型中時產生一致性的預測，同時使用一致性學習策略來減少這兩種圖像之間的預測偏差： 其中，表示兩個學生模型間的一致性損失；表示未標記的第一種模態m1數據集；表示未標記的第二種模態m2數據集；LKL表示與之間的對稱KL散度，表示第一種模態學生模型對輸入圖像的預測輸出；表示第二種模態學生模型對輸入圖像的預測輸出；所述步驟2中，保持多模態教師模型和單模態學生模型之間的一致性具體實現步驟為：將多模態教師模型配置為與單模態學生模型相同的架構，使多模態教師模型同時包含四種模態，通過將多模態教師模型與兩個單模態學生模型的輸出進行對齊來進行一致性學習； 其中，表示教師與學生模型之間的一致性損失；T表示教師模型；表示四種模態拼接起來的多模態輸入數據樣本；m4表示BraTS數據集的四種模態拼接后的圖像。

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吉林大學，其通訊地址為：130012 吉林省長春市前進大街2699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”。