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基于辅助学习任务与重分割约束的医学图像分割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：CN114529562B 。

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：202210162154.5，技术领域涉及：G06T7/11；该发明授权一种基于辅助学习任务与重分割约束的医学图像分割方法是由屈磊;周文琼;吴军;欧阳磊;陶在洋;尚宏伟;赵婧雨;洪思成设计研发完成，并于2022-02-22向国家知识产权局提交的专利申请。

本一种基于辅助学习任务与重分割约束的医学图像分割方法在说明书摘要公布了：本发明涉及一种基于辅助学习任务与重分割约束的医学图像分割方法，该方法包括下列顺序的步骤：1对三维人脑核磁共振数据进行预处理，得到训练集和测试集；2构建基于辅助学习任务与重分割约束的分割网络；3将训练集输入分割网络进行训练,得到训练好的分割网络；4将测试集输入训练好的分割网络，分割网络输出得到分割结果。本发明通过额外的图像重建任务分支的引入，有助于分割网络学习到互补的医学图像特征，从而帮助模型更好地理解医学图像的内在结构；将重建结果再次输入到分割网络中，将得到的重分割结果与真实分割图比较，从语义层面为分割网络的训练提供额外的监督信号，以进一步提升图像分割结果的准确性。

本发明授权一种基于辅助学习任务与重分割约束的医学图像分割方法在权利要求书中公布了：1.一种基于辅助学习任务与重分割约束的医学图像分割方法，其特征在于：该方法包括下列顺序的步骤： 1对三维人脑核磁共振数据进行预处理，得到训练集和测试集； 2构建基于辅助学习任务与重分割约束的分割网络； 3将训练集输入分割网络进行训练,得到训练好的分割网络； 4将测试集输入训练好的分割网络，分割网络输出得到分割结果； 在步骤2中，所述分割网络包括第一编码模块、第二编码模块、第一解码模块、第二解码模块和第三解码模块； 所述第一编码模块和第二编码模块均由四个卷积块和三个最大池化下采样层组成，所述四个卷积块包括第一卷积块、第二卷积块、第三卷积块和第四卷积块，所述第一卷积块包括第一卷积层、第一批量归一化层、第一修正线性单元激活层、第二卷积层、第二批量归一化层和第二修正线性单元激活层；所述第二卷积块包括第三卷积层、第一批量归一化层、第一修正线性单元激活层、第四卷积层、第二批量归一化层和第二修正线性单元激活层；所述第三卷积块包括第五卷积层、第一批量归一化层、第一修正线性单元激活层、第六卷积层、第二批量归一化层和第二修正线性单元激活层；所述第四卷积块包括第七卷积层、第一批量归一化层、第一修正线性单元激活层、第八卷积层、第二批量归一化层和第二修正线性单元激活层；所述三个最大池化下采样层包括第一最大池化下采样层、第二最大池化下采样层和第三最大池化下采样层； 所述第一解码模块、第二解码模块和第三解码模块均由三个反卷积块和三个上采样层组成，所述三个反卷积块包括第一反卷积块、第二反卷积块和第三反卷积块，所述第一反卷积块包括第九卷积层、第三批量归一化层、第三修正线性单元激活层、第十卷积层、第四批量归一化层和第四修正线性单元激活层；所述第二反卷积块包括第十一卷积层、第三批量归一化层、第三修正线性单元激活层、第十二卷积层、第四批量归一化层和第四修正线性单元激活层；所述第三反卷积块包括第十三卷积层、第三批量归一化层、第三修正线性单元激活层、第十四卷积层、第四批量归一化层、第四修正线性单元激活层和第十五卷积层；所述三个上采样层包括第一上采样层、第二上采样层和第三上采样层。

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”。