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！

龙图腾网恭喜厦门大学附属第一医院(厦门市第一医院、厦门市红十字会医院、厦门市糖尿病研究所);厦门智融合科技有限公司申请的专利基于伪标签的无源无监督域适应医学图像分割方法及装置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：CN119649039B 。

龙图腾网通过国家知识产权局官网在2025-06-03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：202510182194.X，技术领域涉及：G06V10/26；该发明授权基于伪标签的无源无监督域适应医学图像分割方法及装置是由陈四方;张龙晖;钟平;谢河富;黄晨曦;陈榕灿;奚丹设计研发完成，并于2025-02-19向国家知识产权局提交的专利申请。

本基于伪标签的无源无监督域适应医学图像分割方法及装置在说明书摘要公布了：本发明公开了一种基于伪标签的无源无监督域适应医学图像分割方法及装置，涉及计算机技术领域，方法包括：有监督的源域模型训练阶段、无监督自适应的目标域模型训练阶段和分割阶段，具体为运用伪标签像素级不确定性估计对源域医学图像进行像素级自标记生成可靠的伪标签，并在此基础上使用强弱增强的教师学生目标域模型充分利用高质量的伪标签来训练目标域医学图像来使网络适应特定于目标域医学图像的表示。本发明在已知源域模型和目标域未标记数据的前提下对目标域数据图进行无监督地分割，不需要访问源域数据且可以合理地利用上源域模型特征，能很好地缓解SFUDA存在的问题，在比UDA方法更少数据可用的情况下仍然保持在目标域上的准确分割能力。

本发明授权基于伪标签的无源无监督域适应医学图像分割方法及装置在权利要求书中公布了：1.一种基于伪标签的无源无监督域适应医学图像分割方法，其特征在于，包括：有监督的源域模型训练阶段，构建基于U-net网络模型的证据分割网络作为源域模型；基于证据理论的不确定性估计方法，生成伪标签与不确定性、信息熵及相对特征距离的映射，生成可靠的伪标签；使用证据分割网络输出的预测概率及来自源域的医学图像标签之间的第一证据损失和第一Dice损失以监督的方式训练源域模型；源域模型训练完成后，将训练好的源域模型的参数传递到目标域模型训练阶段；无监督自适应的目标域模型训练阶段，构建由训练好的源域模型的参数初始化的教师模型和学生模型组成的目标域模型；对于给定目标域的未标记医学图像的弱增强图像，通过教师模型生成可靠的伪标签；使用给定目标域的未标记医学图像的强增强图像及教师模型生成的伪标签作为输入数据对学生模型进行训练；随着学生模型的学习进度以移动平均的方式更新教师模型的参数；使用目标域模型分割损失和第二证据损失以无监督的方式训练目标域模型，通过目标域模型分割损失促使学生模型从教师模型中学习可靠的伪标签，通过第二证据损失促使教师模型从学生模型的预测标签中生成潜在的证据；分割阶段，使用训练好的目标域模型对待处理医学图像进行分割；源域的医学图像标签在第i个像素点的伪标签表示如下： 其中，为像素点i的预测概率，为源域模型对像素点i关于第k类的预测概率，K表示分割类别数；pi＝Fxi，Fxi是证据分割网络对于源域医学图像标签x的第i个像素的输出；mi∈{0,1}为一个二进制向量的标签选择掩码，表示如下：mi＝1[uiη1]×1[entiη2]×1[diη3]；其中，ui表示不确定性；enti表示信息熵；di表示相对特征距离；η1是不确定性阈值，η2是低熵阈值，η3是低距离阈值；第一Dice损失LeDice，表示如下： 其中，K表示分割类别数；为源域医学图像标签x在像素点i关于第k类的标签；为信念质量bi经过softmax函数的softmaxbi结果。

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厦门大学附属第一医院(厦门市第一医院、厦门市红十字会医院、厦门市糖尿病研究所);厦门智融合科技有限公司，其通讯地址为：361000 福建省厦门市思明区镇海路55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”。