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！

龙图腾网恭喜复旦大学申请的专利基于弱监督学习的肝脏血管分割方法、装置、设备及介质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：CN114820649B 。

龙图腾网通过国家知识产权局官网在2025-03-07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：202210349732.6，技术领域涉及：G06T7/11；该发明授权基于弱监督学习的肝脏血管分割方法、装置、设备及介质是由张立华;刘洋;张绪坤;邝昊鹏设计研发完成，并于2022-04-02向国家知识产权局提交的专利申请。

本基于弱监督学习的肝脏血管分割方法、装置、设备及介质在说明书摘要公布了：本发明公开基于弱监督学习的肝脏血管分割方法、装置、设备及介质，方法包括：通过带噪标签训练出两个具有差异的肝脏血管分割网络模型；使用两个模型分别进行分割而获得预测标签；通过标签优化模块为预测标签和带噪标签赋予权重，获得具有权重的优化标签；使用优化标签对两个模型分别进行迭代训练而获得两个迭代模型；使用两个迭代模型继续进行分割而获得新的预测标签；在迭代模型的分割效果有提升时，继续调用标签优化模块而获得新的优化标签，并继续对模型进行迭代直至收敛；通过收敛后的模型对输入的CT图像进行分割而获得分割结果。本发明能够有效降低带噪标签对分割结果的不利影响，从而能够减少标签标注所耗费的人力、物力和时间。

本发明授权基于弱监督学习的肝脏血管分割方法、装置、设备及介质在权利要求书中公布了：1.一种基于弱监督学习的肝脏血管分割方法，其特征在于：包括以下步骤：S1、通过具有带噪标签的肝脏区域图像训练获得两个相互间具有差异的肝脏血管分割网络模型，其中，所述带噪标签用于标记肝脏血管；S2、使用S1中得到的两个所述肝脏血管分割网络模型分别对所述肝脏区域图像进行分割，获得用于标记肝脏血管的预测标签；S3、通过标签优化模块为各所述预测标签以及各所述带噪标签赋予权重，获得携带有权重的优化标签；S4、使用所述优化标签对所述肝脏区域图像中的带噪标签进行替换，获得优化图像；S5、通过所述优化图像对S1中的两个所述肝脏血管分割网络模型分别进行迭代训练，获得两个迭代模型；S6、使用S5中得到的两个所述迭代模型对所述优化图像进行分割，获得新的预测标签；S7、对比S6中所述新的预测标签与S2中所述预测标签，判断所述迭代模型的分割效果是否有提升，是则进入下一步，否则收敛；S8、通过所述标签优化模块对各所述新的预测标签以及所述优化标签进行优化，获得新的优化标签；S9、重复执行S4-S8的过程，直至迭代模型的分割效果不再提升后收敛，从而获得收敛后的肝脏血管分割网络模型；S10、通过所述收敛后的肝脏血管分割网络模型对输入的CT图像进行分割，获得分割结果；S1中，各所述带噪标签构成带噪标签集；S2中，两个所述肝脏血管分割网络模型分别对所述肝脏区域图像进行分割后，对应的获得两个具有所述预测标签的预测标签集；则S3中，所述通过标签优化模块为各所述预测标签以及各所述带噪标签赋予权重，获得携带有权重的优化标签的步骤包括：将两个所述预测标签集与所述带噪标签集相结合，获取各集合间的相交情况；根据各集合间的相交情况，为各集合间的交集和差集分别赋予置信度；根据所述置信度为各交集和各差集中包含的标签赋予权重；其中，属于同一交集或差集中的标签具有相同的权重。

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复旦大学，其通讯地址为：200433 上海市杨浦区邯郸路220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”。