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！

龙图腾网获悉西安电子科技大学申请的专利一种基于超像素和多样性的主动学习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：CN115908421B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202310031211.0，技术领域涉及：G06T7/00；该发明授权一种基于超像素和多样性的主动学习医学图像分割方法是由张亮;华聪;李约瀚;朱光明;沈沛意设计研发完成，并于2023-01-10向国家知识产权局提交的专利申请。

本一种基于超像素和多样性的主动学习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超像素和多样性的主动学习医学图像分割方法，包括以下步骤；将医学图像数据集中的图像拆分成固定尺寸的小样本，构建已标注的样本池和未标注的样本池；建立医学图像分割模型和相似度评估模型，设置主动学习策略中需要的标注预算；构建基于信息量和差异性的主动学习策略，评估未标注池中的样本，筛选出最有价值的未标注样本，由专家标注后加入已标注样本池，扣除标注预算，迭代训练；更新医学图像分割模型参数，迭代主动模型直至标注预算归零；对缺少标注的样本进行分割。本发明克服传统主动学习查询方法只关注样本信息量的缺陷，增加了样本之间关系的度量，在使用少量有标注样本的情况下进一步提高医学图像分割准确度。

本发明授权一种基于超像素和多样性的主动学习医学图像分割方法在权利要求书中公布了：1.一种基于超像素和多样性的主动学习医学图像分割方法，其特征在于，包括以下步骤； S1，将医学图像数据集中的图像拆分成固定尺寸的小样本，构建已标注的样本池和未标注的样本池； S2，建立医学图像分割模型和相似度评估模型，设置主动学习策略中需要的标注预算； S3，构建基于信息量和差异性的主动学习策略，评估S1中未标注池中的样本，筛选出最有价值的未标注样本，由专家标注后加入已标注样本池，扣除标注预算，迭代训练，更新医学图像分割模型参数，迭代主动模型直至标注预算归零； S4，使用更新迭代后的医学图像分割模型，对缺少标注的样本进行分割； 所述步骤S3，具体按照以下步骤进行： S31，使用已标注样本池的数据训练，在主动学习策略中，医学图像分割模型M经过t次主动学习迭代，记作Mt，未经过主动学习迭代训练的模型，记作M0； S32，使用已训练好的模型，对未标注池中的所有样本做推理，得到样本分割概率图集合和分割结果图集合 S33，在得到所有未标注样本的概率图和分割结果图后，通过信息量查询函数Queryinfo·对样本进行评估；Queryinfo·通过分割概率图和结果图计算来实现，对未标注样本Ui的查询如式所示： QueryinfoUi＝QclassYi×QuncertainyPi QclassYi＝∑c∈CIcYi 其中，Ui指第i个未标注样本，Yi和Pi分别是对应的分割结果图和概率图，QclassYi指样本Ui的类别分数，C是样本分割图上的总类别数，x表示位置，I_c·是指示函数，Yix表示分割图Yi在像素位置x的值；QuncertainyPi指样本Ui的不确定性分数，y表示分割概率图的位置坐标，Piy代表概率图Pi上位置为y的概率值； S34，根据未标注样本的特征集合，查询未标注样本Ui与已标注池和未标注池除Ui外其他样本的相似性；相似性查询函数Querysim·由未标注相似度SU和已标注相似度SL两部分组成，对样本Ui的相似度查询如式所示： QuerysimUi＝SUUi-SLUi 其中，Modelsim为相似度度量网络，输入两个样本，得到其相似度评估，这里分别对所有已标注样本和除Ui外的未标注样本进行度量，结果带入相似度查询函数Querysim·，得到样本Ui的相似度分数； S35，对样本的信息量分数和多样性分数求和，得到样本价值分数： ValueUi＝QueryinfoUi+QuerysimUi 按照样本价值分数从高到低的顺序，对所有未标注样本进行排序，选择排序靠前的K个样本作为第t轮主动学习迭代中需要标注的样本； S36，将K个样本交由专家进行标注，使用标注花费Cost，得到带标注的K个样本更新样本池、标注预算： Budgett+1＝Budgett-Costt 其中，上标t表示第t次主动学习迭代； 进一步地，标注预算未用尽前，主动学习策略按照S31至S37的顺序循环，直至标注预算至0。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路2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。