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！

龙图腾网恭喜安徽大学申请的专利一种弱监督医学图像分割配准协同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：CN114677416B 。

龙图腾网通过国家知识产权局官网在2025-04-29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：202210247027.5，技术领域涉及：G06T7/33；该发明授权一种弱监督医学图像分割配准协同处理方法是由屈磊;欧阳磊;吴军;刘瑜;周文琼;孙欣仪;陶在洋设计研发完成，并于2022-03-14向国家知识产权局提交的专利申请。

本一种弱监督医学图像分割配准协同处理方法在说明书摘要公布了：本发明涉及一种弱监督医学图像分割配准协同处理方法，包括：获取医学图像数据及标注，并将医学图像分为浮动图像和固定图像；由医学图像数据构建配准模型，基于配准模型更新弱监督分割数据；由弱监督分割数据构建分割模型，基于分割模型更新弱监督配准数据；由弱监督配准数据训练配准模型，基于配准模型更新弱监督分割数据；重复步骤3至步骤4，直至分割模型和配准模型收敛；基于收敛后的分割模型和配准模型分别完成图像分割与配准任务。本发明大大提高小样本场景下的图像分割任务与图像配准任务的表现，既提高了脑图像的分割精度，也提高了脑图像的配准精度，为小样本场景下的医学图像分割与配准任务提供新方案。

本发明授权一种弱监督医学图像分割配准协同处理方法在权利要求书中公布了：1.一种弱监督医学图像分割配准协同处理方法，其特征在于：该方法包括下列顺序的步骤：1获取医学图像数据及标注，并将医学图像分为浮动图像和固定图像；2由医学图像数据构建配准模型，基于配准模型更新弱监督分割数据；3由弱监督分割数据构建分割模型，基于分割模型更新弱监督配准数据；4由弱监督配准数据训练配准模型，基于配准模型更新弱监督分割数据；5重复步骤3至步骤4，直至分割模型和配准模型收敛；6基于收敛后的分割模型和配准模型分别完成图像分割与配准任务：调用训练好的分割模型，独立完成分割任务；调用训练好的配准模型，独立完成配准任务；所述步骤2具体包括以下步骤：2a所述配准模型采用Voxel-Morph网络架构，基于医学图像数据，训练将浮动图像配准至固定图像的配准模型；2b基于训练好的配准模型获得浮动图像配准至固定图像的形变场及逆形变场,如下式所示： 其中，atlas表示浮动图像，fix表示固定图像，Φ表示形变场，表示逆形变场，运算符°表示对图像施加形变场进行变换；2c施加逆形变场于浮动图像，得到解剖结构接近浮动图像、亮度分布接近固定图像的逆形变图像，如下式所示： 其中，aug表示逆形变图像；2d基于逆形变图像和浮动图像拟合真实数据的亮度场，并通过采样得到亮度采样图像,如下式所示： 其中，表示亮度采样图像，λ表示对浮动图像的采样系数，λ通过0-1均匀采样得到；2e基于配准模型生成的形变场拟合真实数据的形变场，并通过将采样后形变场分别施加于逆形变图像和浮动图像对应的标注上，得到双采样增广图像和对应伪标注,如下式所示： 其中，表示双采样增广图像，manual表示浮动图像对应的人工标注，表示双采样增广图像对应的伪标注，为采样后形变场，由形变场Φ通过0-1均匀采样得来；2f将形变场施加于浮动图像对应的人工标注上，得到固定图像对应的伪标注，如下式所示： 其中，label表示固定图像对应的伪标注；2g将固定图像和其对应的伪标注作为一组新的弱监督数据，将双采样增广图像和其对应的伪标注作为一组新的弱监督数据，由两组新的弱监督数据作为新的弱监督分割数据，所述弱监督分割数据是指用于作为分割模型的输入的弱监督数据；所述步骤4具体包括以下步骤：4a将弱监督配准数据送入配准模型，再次进行训练；4b基于训练好的配准模型获得浮动图像配准至固定图像的形变场及逆形变场,如下式所示： 其中，atlas表示浮动图像，fix表示固定图像，Φ表示形变场，表示逆形变场，运算符°表示对图像施加形变场进行变换；4c施加逆形变场于浮动图像，得到解剖结构接近浮动图像、亮度分布接近固定图像的逆形变图像，如下式所示： 其中，aug表示逆形变图像；4d基于逆形变图像和浮动图像拟合真实数据的亮度场，并通过采样得到亮度采样图像,如下式所示： 其中，表示亮度采样图像，λ表示对浮动图像的采样系数，λ通过0-1均匀采样得到；4e基于配准模型生成的形变场拟合真实数据的形变场，并通过将采样后形变场分别施加于逆形变图像和浮动图像对应的标注上，得到双采样增广图像和对应伪标注,如下式所示： 其中，表示双采样增广图像，manual表示浮动图像对应的人工标注，表示双采样增广图像对应的伪标注，由形变场Φ通过0-1均匀采样得来；4f将形变场施加于浮动图像对应的人工标注上，得到固定图像对应的伪标注，如下式所示： 其中，label表示固定图像对应的伪标注；4g将固定图像和其对应的伪标注作为一组新的弱监督数据，将双采样增广图像和其对应的伪标注作为一组新的弱监督数据，由两组新的弱监督数据作为新的弱监督分割数据。

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大学，其通讯地址为：230601 安徽省合肥市经济技术开发区九龙路111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”。