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！

龙图腾网恭喜武汉科技大学申请的专利基于半监督学习和多尺度特征融合的辅助诊断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：CN114649092B 。

龙图腾网通过国家知识产权局官网在2025-04-25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：202210233284.3，技术领域涉及：G16H50/20；该发明授权基于半监督学习和多尺度特征融合的辅助诊断方法及装置是由张永;苏立;郭峰;程骋;冉少林设计研发完成，并于2022-03-10向国家知识产权局提交的专利申请。

本基于半监督学习和多尺度特征融合的辅助诊断方法及装置在说明书摘要公布了：本发明提供一种基于半监督学习和多尺度特征融合的辅助诊断方法及装置，该方法包括：将待诊断CT图像输入分类模型的多尺度特征融合模块中，得到所述待诊断CT图像的多尺度融合特征；将所述多尺度融合特征输入所述分类模型的分类模块，得到所述待诊断CT图像的辅助医疗诊断结果；其中，所述分类模型是基于第一训练数据集，进行半监督学习训练得到的；所述第一训练数据集包括有标签的第一样本CT图像和无标签的第二样本CT图像。本发明实现在有效标注数据量较少时，可获得具有更高的泛化性与准确性的分类模型，进而可快速准确地获取辅助医疗诊断结果。

本发明授权基于半监督学习和多尺度特征融合的辅助诊断方法及装置在权利要求书中公布了：1.一种基于半监督学习和多尺度特征融合的辅助诊断方法，其特征在于，包括：将待诊断CT图像输入分类模型的多尺度特征融合模块中，得到所述待诊断CT图像的多尺度融合特征；将所述多尺度融合特征输入所述分类模型的分类模块，得到所述待诊断CT图像的辅助医疗诊断结果；其中，所述分类模型是基于第一训练数据集，进行半监督学习训练得到的；所述第一训练数据集包括有标签的第一样本CT图像和无标签的第二样本CT图像；所述分类模型的损失函数是基于第一损失函数和第二损失函数联合构建生成；其中，所述第一损失函数，以第三样本CT图像和另一样本CT图像的多尺度融合特征的相似度最小为目标；所述第二损失函数，以所述第三样本CT图像的第一标签和第二标签之间的差值最小为目标；所述第二标签是，基于所述分类模型对所述第三样本CT图像的辅助医疗诊断结果进行预测得到的；所述第三样本CT图像和所述另一样本CT图像是基于如下步骤获取的：对添加有模拟标签的所述第一训练数据集中的样本CT图像进行数据增强，得到增强后的所述第一训练数据集；对增强后的所述第一训练数据集进行处理，得到多组样本CT图像对；对于所述多组样本CT图像对中的每一样本CT图像对执行以下操作：计算当前样本CT图像对中的任一样本CT图像的类激活图；根据所述类激活图，确定所述任一样本CT图像中对辅助医疗诊断结果的贡献度最高的目标区域；将所述目标区域粘贴到所述当前样本CT图像对中另一样本CT图像的相应位置，得到所述当前样本CT图像对对应的所述第三样本CT图像；所述分类模型是基于如下步骤训练得到的：基于所述第一训练数据集，对所述分类模型的初始模型进行半监督学习训练，得到所述分类模型的预训练模型；将所述第一训练数据集中的第二样本CT图像输入所述预训练模型中，获取所述第二样本CT图像的辅助医疗诊断结果对应的模拟标签；将所述第二样本CT图像的模拟标签添加到所述第一训练数据集中；对添加有所述模拟标签的所述第一训练数据集中的样本CT图像进行图像混合，得到第二训练数据集；基于所述第二训练数据集，对所述预训练模型进行训练，得到所述分类模型。

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武汉科技大学，其通讯地址为：430081 湖北省武汉市青山区和平大道947号武汉科技大学；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”。