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！

龙图腾网获悉南京邮电大学申请的专利一种基于多尺度相互一致性学习的半监督脑卒中病灶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：CN117197160B 。

龙图腾网通过国家知识产权局官网在2025-09-02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：202310909114.7，技术领域涉及：G06T7/11；该发明授权一种基于多尺度相互一致性学习的半监督脑卒中病灶分割方法是由谢世朋;李峥设计研发完成，并于2023-07-24向国家知识产权局提交的专利申请。

本一种基于多尺度相互一致性学习的半监督脑卒中病灶分割方法在说明书摘要公布了：本发明公开了一种基于多尺度相互一致性学习的半监督脑卒中病灶分割方法,包括数据预处理、模型搭建和混合损失函数，其特征在于，所述数据预处理中使用脑卒中病灶分割数据集，提取扩散加权图像，用于构建基于半监督学习的脑卒中分割数据集；所述模型搭建设计了一种3D的ASPP，并将其与引入V‑Net模型，构建对于小目标分割友好的STF‑Net,使用三种STF‑Net构建基于相互一致性学习的半监督脑卒中病灶分割模型，通过利用三个模型输出的噪声进行无监督学习。本发明公开的基于多尺度相互一致性学习的半监督脑卒中病灶分割方法不仅在密集小病灶的分割上效果显著，在大范围卒中病灶，即常规的大目标分割上也表现出色。

本发明授权一种基于多尺度相互一致性学习的半监督脑卒中病灶分割方法在权利要求书中公布了：1.一种基于多尺度相互一致性学习的半监督脑卒中病灶分割方法，包括数据预处理、模型搭建和混合损失函数，其特征在于，所述数据预处理中使用脑卒中病灶分割数据集，提取扩散加权图像，用于构建基于半监督学习的脑卒中分割数据集； 所述模型搭建设计了一种3D的ASPPAtrousSpatialPyramidPooling，并将其与CBAMConvolutionalBlockAttentionModule引入V-Net模型，构建对于小目标分割友好的STF-NetSmallTargetFriendlyNetwork,使用三种STF-Net构建基于相互一致性学习的半监督脑卒中病灶分割模型，通过利用三个模型输出的噪声进行无监督学习，并通过少量的标签约束模型参数更新方向，以达到利用有限的标签进行半监督学习的目的； 所述混合损失函数主要分为两个部分，即有监督的损失函数和无监督的损失函数，所述有监督的损失函数，若输入带有相应的标签，则标签与三个模型输出的与输入图像具有相同尺度的特征图计算MSE损失函数，若输入无标签数据，则三个模型输出的4种共12个不同尺度的特征图用来计算一致性损失函数，最后对测试结果进行数值计算评价和分析，评价内容包括Dice系数、Jaccard系数、95%豪斯多夫距离、ASD的比较，判断是否实现了脑卒中病灶的精准分割。

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南京邮电大学，其通讯地址为：210023 江苏省南京市文苑路9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”。