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！

龙图腾网恭喜安徽中医药大学申请的专利基于任务一致性的生物组织识别和处理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：CN119723252B 。

龙图腾网通过国家知识产权局官网在2025-06-13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：202510229399.9，技术领域涉及：G06V10/774；该发明授权基于任务一致性的生物组织识别和处理方法是由胡静斐;邱林伟设计研发完成，并于2025-02-28向国家知识产权局提交的专利申请。

本基于任务一致性的生物组织识别和处理方法在说明书摘要公布了：本发明涉及一种基于任务一致性的生物组织识别和处理方法，包括：构建基于统一任务感知一致性交互框架的网络模型，该网络模型包括用于提取多尺度图像特征的骨架网络以及一个主分支和至少两个额外分支；其中，所述骨架网络基于深度学习模型的编码器‑解码器架构；所述主分支与至少两个额外分支为并联关系，其中，额外分支执行的任务分别与主任务具有强相关性和弱相关性；使用训练样本数据对所述网络模型进行训练，得到生物组织识别处理训练模型；使用生物组织识别处理训练模型对生物组织图像数据进行识别和处理。该方法增强了深度学习的动态能力，使监督和半监督场景都受益，使其在应对医学图像分割复杂挑战方面具有很高的有效性和鲁棒性。

本发明授权基于任务一致性的生物组织识别和处理方法在权利要求书中公布了：1.一种基于任务一致性的生物组织识别和处理方法，其特征在于包括步骤： 构建基于统一任务感知一致性交互框架的网络模型，该网络模型包括用于提取多尺度图像特征的骨架网络以及一个主分支和至少两个额外分支；其中，所述骨架网络基于深度学习模型的编码器-解码器架构，所述骨架网络的输出结果输入至所述主分支和至少两个额外分支；所述主分支与至少两个额外分支为并联关系的神经网络，其中，主分支用于执行主任务，至少一个额外分支执行的任务与主任务之间具有强相关性，至少另一额外分支执行的任务与主任务之间具有弱相关性； 获取训练样本数据，该训练样本数据为生物组织图像数据，该生物组织图像数据中的一部分为带标签数据，以用于有监督训练； 使用所述训练样本数据对所述基于统一任务感知一致性交互框架的网络模型进行训练，得到生物组织识别处理训练模型； 使用生物组织识别处理训练模型对生物组织图像数据进行识别和处理； 所述主分支为分割分支，用于生成像素级概率图，生成像素级输出结果；一个额外分支为水平集分支，用于生成目标水平集表示，生成几何级输出结果，与主任务之间具有强相关性；另一个额外分支为点集分支，用于合成与目标结构相关的点表示，生成点级输出结果，与主任务之间具有弱相关性； 所述生物组织图像数据具有的维度结构，其中，C表示生物组织图像的颜色通道数，H和W分别表示生物组织图像的高度和宽度，R表示实数空间；该生物组织图像数据经所述骨架网络处理后得到不同尺度的特征集表示，其中，维度、和分别对应于采用的下采样因子对C、H、W进行处理；整数D表示在每个阶段进行的降采样的程度； 采用有标签数据训练时的损失函数为： ； 其中，为所述分割分支进行监督训练的损失函数，为所述点集分支进行监督训练的损失函数，为所述水平集分支进行监督训练的损失函数，为强弱任务感知一致性函数，、、、为权重系数； 采用无标签数据训练时的损失函数为： ； 其中，为所述点集分支进行无监督训练的损失函数，为所述水平集分支进行无监督训练的损失函数，为强弱任务感知一致性函数，、、为权重系数； 其中，，式中，为损失函数，为点集分支获得对象的骨架点表示；为对预测结果通过公式生成的点集表示特征；为对预测结果通过公式生成像素表示特征；为水平集分支在水平集下获得的几何表示。

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安徽中医药大学，其通讯地址为：230012 安徽省合肥市新站区龙子湖路350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”。