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！

龙图腾网获悉成都中医药大学申请的专利基于异构式蒸馏策略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：CN121600005B 。

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：202610114391.2，技术领域涉及：G06T7/11；该发明授权基于异构式蒸馏策略的医学图像分割方法是由张宇洁;米应倩;蒋涛;潘江山;张林帅;许林;李晨设计研发完成，并于2026-01-28向国家知识产权局提交的专利申请。

本基于异构式蒸馏策略的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异构式蒸馏策略的医学图像分割方法，涉及医学图像处理、模型压缩与计算机视觉交叉领域，包括：构建对教师模型、学生模型相配合的蒸馏策略，所述蒸馏策略包括：基于动态维度映射算法的异构架构适配模块，基于像素记忆库、区域记忆库的记忆增强模块，基于五维度损失加权融合体系的多层级知识迁移模块，在异构架构适配后，通过多层级知识迁移模块对蒸馏策略进行迭代训练；在蒸馏策略验证合格后，将模型部署于对应设备中进行医学图像分割。本发明的知识蒸馏策略，可实现复杂教师模型向轻量化学生模型的解剖先验知识迁移，适配移动内镜等资源受限的临床部署场景。

本发明授权基于异构式蒸馏策略的医学图像分割方法在权利要求书中公布了：1.一种基于异构式蒸馏策略的医学图像分割方法，其特征在于，包括： S1、构建对教师模型、学生模型相配合的蒸馏策略，所述蒸馏策略包括：基于动态维度映射算法的异构架构适配模块，基于像素记忆库、区域记忆库的记忆增强模块，基于五维度损失加权融合体系的多层级知识迁移模块； S2、将预处理后的训练集输入教师模型中进行训练，以得到教师模型权重； S3、将预处理后的训练集分别输入学生模型以及训练后的教师模型中，并对像素记忆库、区域记忆库进行初始化； S4、在异构架构适配后，通过多层级知识迁移模块对蒸馏策略进行迭代训练，所述五维度损失加权融合体系包括：前景敏感型分割损失、输出层知识蒸馏损失、中间层知识蒸馏损失、小批量像素对比损失、记忆库对比损失； S5、在蒸馏策略训练完成后，用预处理后的验证集来评估蒸馏后学生模型的平均交并比mIoU、平均Dice系数mDice、精度Precision、召回率Recall指标，并在验证合格后，将学生模型部署于采集设备相配合的终端中； S6、在采集设备实时采集病灶图像后，所述终端通过内嵌的学生模型完成对病灶图像的像素级分割，并输出对应的医学图像分割结果； 在S4中，中间层知识蒸馏损失通过动态维度映射算法来构建自适应投射矩阵，并基于键值缓存机制+动态卷积构建+即时插值空间对齐三位一体的核心机制，来对齐教师模型与学生模型的异构特征空间，进而传递教师模型在不同层级的局部结构细节； 其中，所述键值缓存机制是基于特征维度与尺寸参数组合Cin,Cout,Hin,Win,Hout,Wout为唯一键，对预设的投射器缓存字典进行查询；若缓存字典中存在对应键则投射器则直接复用，否则触发动态卷积模块构建流程，Cin为教师模型中的特征输入通道数，Hin、Win为教师模型的输入空间尺寸，Cout为学生模型中的特征目标通道数，Hout、Wout为学生模型的目标空间尺寸； 所述动态卷积构建内容包括：当CoutCin时，采用3×3卷积聚合+1×1卷积映射的串联结构，其中，中间通道数Cmid=minCout,Cin×4，并限定通道扩展上限为输入通道数的4倍； 当Cout≤Cin时，采用1×1卷积直接完成通道投射，所有卷积层均配置BatchNorm2d进行归一化，且不设置偏置项； 所述即时插值空间对齐是指：在通过动态卷积完成通道维度映射后，若投射后特征空间尺寸与目标尺寸Hout,Wout不一致，则采用双线性插值对尺寸进行即时调整。

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成都中医药大学，其通讯地址为：610032 四川省成都市金牛区十二桥路37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。