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深度学习的新冠肺炎CT图像分析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：CN114549452B 。

龙图腾网通过国家知识产权局官网在2025-05-09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：202210151409.8，技术领域涉及：G06T7/00；该发明授权基于半监督深度学习的新冠肺炎CT图像分析方法是由张永;苏立;朱文鹏;程骋;刘振兴设计研发完成，并于2022-02-18向国家知识产权局提交的专利申请。

本基于半监督深度学习的新冠肺炎CT图像分析方法在说明书摘要公布了：本发明提供基于半监督深度学习的新冠肺炎CT图像分析方法，包括步骤：基于残差神经网络建立分类模型并加入注意力模块；对每张无标签训练样本进行两次不同的数据增强得到两张新的图像；对这两张图像进行分类并进行最小化熵处理，处理后结果看作图像的伪标签；将得到伪标签的数据增强后的无标签训练样本和数据增强后的有标签训练样本进行Mixup，得到新的训练样本；将新的训练样本和对应的标签代入分类模型中进行训练并逐渐去除有标签训练样本；对分类模型中的全连通层和特征图的权重进行加权求和，生成关注图；用训练好的分类模型对测试集中的样本图像进行诊断，并对诊断结果生成可视化图。这在实际的医学应用中具有实用的价值。

本发明授权基于半监督深度学习的新冠肺炎CT图像分析方法在权利要求书中公布了：1.一种基于半监督深度学习的新冠肺炎CT图像分析方法，其特征在于，包括以下步骤：1建立图像和类别标签的关系，即分类模型，分类模型基于深度学习中的残差神经网络，并加入注意力模块；2对每一张无标签训练样本进行两次不同的数据增强得到两张新的图像；3通过步骤1训练的分类模型对数据增强后得到的图像进行分类，得到其分类结果；4对无标签样本增强后的图像的分类结果进行最小化熵处理，将处理后的结果看作其伪标签；5对每一张有标签训练样本进行一次数据增强得到其增强后的图像；6将得到伪标签的数据增强后的无标签训练样本和数据增强后的有标签训练样本进行Mixup，得到新的训练样本；7将新的训练样本和对应的标签代入分类模型中进行训练，更新网络参数信息；8在训练过程中，随着未标签训练样本的增加，逐渐去除有标签训练样本，逐步的释放有监督数据的训练信号；9对分类模型中的全连通层和特征图的权重进行加权求和，生成关注图，突出与预测结果密切相关的重要区域；10用训练好的分类模型对测试集中的样本图像进行分析，并对分析结果生成可视化图。

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；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”。