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！

龙图腾网获悉江南大学申请的专利一种基于因果不确定性分解的半监督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：CN121544591B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202610048827.2，技术领域涉及：G06T7/00；该发明授权一种基于因果不确定性分解的半监督医学图像分割方法是由熊布兰妮;乔丹丹;张子怡;陈丽芳;许景瑞;李雨雯;瞿成乐;李依泽;宋征岳;郭子豪设计研发完成，并于2026-01-15向国家知识产权局提交的专利申请。

本一种基于因果不确定性分解的半监督医学图像分割方法在说明书摘要公布了：本发明公开了一种基于因果不确定性分解的半监督医学图像分割方法，属于医学图像处理及人工智能领域。该方法构建教师和学生架构的分割模型，集成因果不确定性分解模块、自适应一致性学习模块和拓扑感知一致性损失模块。通过将总不确定性分解为认知不确定性和随机不确定性，实现针对性处理；采用双路径权重融合和差异化调制策略，实现像素级自适应学习；并引入Betti数计算拓扑距离，保持解剖结构完整性。本发明在仅使用5%到20%标注数据的情况下，在多个医学图像数据集上Dice系数提升3.2%至4.8%，显著提高了分割精度和边界定位准确性，有效解决了医学图像标注稀缺条件下的分割难题，具有重要的临床应用价值。

本发明授权一种基于因果不确定性分解的半监督医学图像分割方法在权利要求书中公布了：1.一种基于因果不确定性分解的半监督医学图像分割方法，其特征在于，包括以下步骤： 步骤1：获取医学图像数据集并进行预处理，所述数据集包括标注数据和未标注数据； 步骤2：构建教师和学生架构的分割模型，所述分割模型包括结构相同的教师网络和学生网络，所述学生网络和教师网络均以三维U-Net为骨干网络，并集成因果不确定性分解模块、自适应一致性学习模块和拓扑感知一致性损失模块； 步骤3：使用所述标注数据和未标注数据对所述分割模型进行训练，在训练的每次迭代中执行以下操作： 步骤3.1：分别将输入图像输入学生网络和教师网络进行前向传播，得到学生网络的预测结果和特征图，以及教师网络的预测结果； 步骤3.2：通过直接将学生网络输出的特征图输入到所述因果不确定性分解模块，将医学图像分割中的总不确定性分解为认知不确定性和随机不确定性，其中所述认知不确定性表示数据固有的噪声，所述随机不确定性表示模型参数的不确定性； 步骤3.3：基于所述认知不确定性和随机不确定性，通过所述自适应一致性学习模块生成自适应权重和调制因子； 步骤3.4：通过所述拓扑感知一致性损失模块计算学生网络预测和教师网络预测之间的拓扑距离，并基于所述拓扑距离计算拓扑一致性损失； 步骤3.5：计算总损失函数，所述总损失函数包括基于标注数据的监督损失、基于未标注数据的因果分解损失、自适应一致性损失和拓扑一致性损失； 步骤3.6：通过反向传播更新学生网络参数； 步骤3.7：根据学生网络参数的指数移动平均更新教师网络的参数； 步骤4：应用训练好的分割模型对目标医学图像进行分割。

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江南大学，其通讯地址为：214122 江苏省无锡市滨湖区蠡湖大道1800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。