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！

龙图腾网恭喜吉林大学申请的专利基于多模态师生一致性学习的半监督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：CN119624997B 。

龙图腾网通过国家知识产权局官网在2025-05-30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：202510163504.3，技术领域涉及：G06T7/11；该发明授权基于多模态师生一致性学习的半监督分割方法是由杜涛利;李文辉;高媛媛;王岳;王子明;马明;杨飞扬设计研发完成，并于2025-02-14向国家知识产权局提交的专利申请。

本基于多模态师生一致性学习的半监督分割方法在说明书摘要公布了：本发明适用于医学图像分割技术领域，提供了基于多模态师生一致性学习的半监督分割方法，包括以下步骤：构建教师‑双学生模型框架，该框架包括一个多模态教师模型和两个独立的具有不同学习条件的单模态学生模型，这两个学生模型使用相同结构的分割网络，分别处理两种不同模态的图像；在数据输入与训练阶段，有标签的数据通过真实标签训练学生模型，而未标记的数据则通过教师模型生成的伪标签进行训练；训练过程中，确保教师模型和学生模型之间，以及两个学生模型之间的一致性的预测。本发明有效缓解了因标注数据不足而引发的过拟合问题。在标注数据有限的实际医疗场景中，本发明能够仅凭较少的标签就实现可靠的分割结果，以缓解医疗条件压力。

本发明授权基于多模态师生一致性学习的半监督分割方法在权利要求书中公布了：1.基于多模态师生一致性学习的半监督分割方法，其特征在于，包括以下步骤：步骤1、构建教师-双学生模型框架：教师-双学生模型框架包括一个多模态教师模型和两个独立的具有不同学习条件的单模态学生模型；两个单模态学生模型使用相同结构的分割网络，分别处理两种不同模态的图像；步骤2、数据输入与训练：将多模态教师模型中两种不同模态的图像分别输入到两个单模态学生模型中；对于有标签的数据，单模态学生模型通过与其对应的真实标签进行训练；对于未标记的数据，多模态教师模型通过生成伪标签来指导单模态学生模型的训练；在训练过程中，保持多模态教师模型和单模态学生模型之间的一致性，同时在两个单模态学生模型之间产生一致性的预测；所述步骤2中，两个单模态学生模型在医学图像分割任务中使用交叉熵损失和Dice损失相结合的混合分割损失，定义如下： 其中，表示第一种模态m1的学生模型的分割损失；表示第二种模态m2的学生模型的分割损失；S1表示对应的第一种模态m1的学生模型；S2表示对应的第二种模态m2的学生模型；和表示从有标签的第一种模态数据集和第二种模态数据集中抽取样本和的期望；LCE表示交叉熵损失；LDice表示Dice损失，用于衡量模型输出与真实标签之间的匹配程度；和分别表示第一种模态和第二种模态的真实标签；表示第一种模态学生模型对输入图像的预测输出；表示第二种模态学生模型对输入图像的预测输出；所述步骤2中，当两种不同模态的图像分别输入到两个单模态学生模型中时产生一致性的预测，同时使用一致性学习策略来减少这两种图像之间的预测偏差： 其中，表示两个学生模型间的一致性损失；表示未标记的第一种模态m1数据集；表示未标记的第二种模态m2数据集；LKL表示与之间的对称KL散度，表示第一种模态学生模型对输入图像的预测输出；表示第二种模态学生模型对输入图像的预测输出；所述步骤2中，保持多模态教师模型和单模态学生模型之间的一致性具体实现步骤为：将多模态教师模型配置为与单模态学生模型相同的架构，使多模态教师模型同时包含四种模态，通过将多模态教师模型与两个单模态学生模型的输出进行对齐来进行一致性学习； 其中，表示教师与学生模型之间的一致性损失；T表示教师模型；表示四种模态拼接起来的多模态输入数据样本；m4表示BraTS数据集的四种模态拼接后的图像。

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吉林大学，其通讯地址为：130012 吉林省长春市前进大街2699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”。