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！

龙图腾网获悉合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室)申请的专利一种基于多智能体强化学习的自监督神经元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：CN117078589B 。

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：202310814697.5，技术领域涉及：G06T7/00；该发明授权一种基于多智能体强化学习的自监督神经元分割方法是由熊志伟;陈胤达;张越一设计研发完成，并于2023-07-03向国家知识产权局提交的专利申请。

本一种基于多智能体强化学习的自监督神经元分割方法在说明书摘要公布了：本发明涉及生物医学图像分析领域，具体涉及一种基于多智能体强化学习的自监督神经元分割方法。该方法包括将一个电镜的体素划分为相同大小各项异性的图像块，按照决策网络将小块进行遮罩，使用编码器将没有遮罩的小块映射到特征空间；将编码后的小块和遮罩住的小块还原，重构原始的电镜体素，计算MSE损失和HOG损失；根据损失，计算长期的奖励，根据当前的输入的全局状态和每个智能体的局部观测值更新决策网络的参数，更新Transformer编码器。将训练好的Transformer编码器权重迁移到分割网络，预测电镜图像的亲和图。通过Waterz等后处理方法将亲和图聚合成神经元实例，得到最终的分割结果。本方法提高了网络训练的收敛速度和下游分割任务的性能，保证了网络训练的训练效率。

本发明授权一种基于多智能体强化学习的自监督神经元分割方法在权利要求书中公布了：1.一种基于多智能体强化学习的自监督神经元分割方法，其特征在于，包括以下步骤：步骤一，将一个电镜图像划分为相同大小各项异性的图像块；步骤二，将图像块分为被遮罩和可见两种，将可见图像块输入目标网络的编码器，得到图像块表示，目标网络指使用自注意力机制来处理输入图像的基于Transformer的神经网络模型；步骤三，通过解码器将图像块表示与被遮罩的图像块重构体素，定义并计算重构损失；步骤四，使用目标网络的编码器提取输入电镜图像的全局深度语义特征，定义时间步的全局深度语义特征表示为；步骤五，将第个图像块输入目标网络的编码器提取深度特征，将第个图像块的深度特征作为第个代理在时间步的观察值；步骤六，使用策略网络学习一个离散的控制策略来指导每个图像块的代理生成动作，该动作表示对应的图像块为可见或被遮罩；时间步的所有代理的联合动作定义为；步骤七，使用价值网络根据全局深度语义特征估计状态的价值，并计算一个序列的累积奖励；步骤八，定义价值网络的损失函数和策略网络的损失函数；步骤九，根据重构损失、价值网络的损失函数和策略网络的损失函数联合训练目标网络、价值网络和策略网络；步骤十，将训练好的目标网络的编码器替换通用的图像分割模型中的编码器，得到更新的图像分割模型；基于电镜图像的体素亲和度创建一个亲和图，使用更新的图像分割模型对亲和图进行处理，生成最终的神经元分割结果；步骤三具体指：将可见图像块的图像块表示、被遮罩的图像块和图像块对应的位置嵌入标记输入解码器，得到HOG特征和重建的原始体素；HOG特征表示为： ;其中，是位于位置的单元格的梯度方向直方图，是单元格中的体素集，是为单元格中的每个体素分配权重的权重函数，是体素的梯度方向；使用均方误差损失来衡量解码器的重建体素的误差，HOG特征损失用于约束解码器生成的图像块表示与电镜图像之间的结构一致性，则重构损失为： ;其中，和分别表示分配给均方误差损失和HOG特征损失的权重。

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合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室)，其通讯地址为：230000 安徽省合肥市高新区望江西路5089号,中国科学技术大学先进技术研究院未来中心B1205-B1208；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”。