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！

龙图腾网获悉湖南大学申请的专利一种基于重建预训练的肺部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：CN115690115B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202211383092.7，技术领域涉及：G06T7/10；该发明授权一种基于重建预训练的肺部医学图像分割方法是由张辉;陈天才;陈煜嵘;刘立柱;钟杭;袁小芳;王耀南设计研发完成，并于2022-11-04向国家知识产权局提交的专利申请。

本一种基于重建预训练的肺部医学图像分割方法在说明书摘要公布了：一种基于重建预训练的肺部医学图像分割方法，包括：1、构建无标签的肺部医学图像预训练数据集、带标签的肺部医学图像训练样本集和测试样本集；2、构建预训练网络模型，将无标签的肺部医学图像预训练数据集的每张图像进行网格划分并打乱顺序，并利用其对预训练网络模型进行训练；3、构建分割‑重建网络模型，利用训练后的预训练网络模型的权重对分割‑重建网络模型进行参数初始化；4、将带标签的肺部医学图像数据集进行图像增强处理；对分割‑重建网络模型进行优化训练；5、对分割‑重建网络模型进行测试。本发明通过无监督的拼图重建预训练学习特征表示，结合迁移学习的思想，提高了模型的鲁棒性和泛化性，减少了模型训练时间。

本发明授权一种基于重建预训练的肺部医学图像分割方法在权利要求书中公布了：1.一种基于重建预训练的肺部医学图像分割方法，其特征在于：包括如下步骤： 步骤S1、构建无标签的肺部医学图像预训练数据集、带标签的肺部医学图像训练样本集和测试样本集； 步骤S2、构建预训练网络模型，将无标签的肺部医学图像预训练数据集的每张图像进行网格划分并打乱顺序，并利用其对预训练网络模型进行训练； 步骤S3、构建分割-重建网络模型，利用训练后的预训练网络模型的权重对分割-重建网络模型进行参数初始化； 步骤S4、对带标签的肺部医学图像数据集进行图像增强处理；利用随机梯度下降法对参数初始化后的分割-重建网络模型进行优化训练； 步骤S5、利用测试样本集对优化训练后的分割-重建网络模型进行测试； 所述步骤S2具体包含如下步骤： 步骤S21、构建预训练网络模型，预训练网络模型包括建模后验分布qβz|x的推理网络和用于拟合pδx|z分布的生成网络，推理网络即预训练编码器fβ·，生成网络即预训练解码器fδ·；建立网格排列标签预测分支； 步骤S22、将无标签的肺部医学图像数据集输入到预训练网络模型的预训练编码器fβ·中，并将无标签的肺部医学图像数据集中的每张图像首先调整为指定的大小，接着分割成规则的n×n网格图片； 即xM表示网格图片集合，每个网格图片分配一个先验分布pzk，其中Z为预训练编码器fβ·输出的隐变量； 步骤S23、生成多个随机排列标签Si，并通过该排列标签Si对n×n张网格图片随机排列；建立网络排序优化损失函数，将随机排列后的n2张网格图片输入到预训练网络模型中，并结合网络排序优化损失函数和网格排列标签预测分支对预训练网络模型进行优化学习，学习整张图片的潜在编码，使得能够正确预测每个网格的排列标签Si，得到学习后的预训练网络模型； 步骤S24、建立预训练总损失函数，通过预训练总损失函数对预训练网络模型进行优化训练，得到优化训练后的预训练网络模型； 所述步骤S3具体包含如下步骤： 步骤S31、搭建分割-重建网络模型，分割-重建网络模型包括分割分支网络和重建分支网络；分割分支网络包括分割编码器以及分割解码器fθ·；重建分支网络包括重建编码器fr·以及重建解码器fs·； 步骤S32、使用分割分支网络输出当前图像的肺部预测分割掩膜MPre； 步骤S33、利用训练后的预训练网络模型对重建分支网络的参数进行初始化，同时将分割编码器和重建编码器fr·共享权重，得到参数初始化后的分割-重建网络模型。

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湖南大学，其通讯地址为：410082 湖南省长沙市岳麓区麓山南路1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。