買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉衡陽師范學院申請的專利模態缺失腦腫瘤影像自動分割的孿生自蒸餾方法和系統獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN115965638B 。

龍圖騰網通過國家知識產權局官網在2025-08-08發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202211669967.X，技術領域涉及：G06T7/11；該發明授權模態缺失腦腫瘤影像自動分割的孿生自蒸餾方法和系統是由焦鉻;劉佳豪設計研發完成，并于2022-12-25向國家知識產權局提交的專利申請。

本模態缺失腦腫瘤影像自動分割的孿生自蒸餾方法和系統在說明書摘要公布了：本發明公開模態缺失腦腫瘤影像自動分割的孿生自蒸餾方法和系統，其中，孿生自蒸餾方法包括：使用孿生的U型網絡建立孿生模型，使用帶有標簽的腦腫瘤影像數據對孿生模型進行監督訓練和生成對抗訓練，得到模型中間層特征和輸出層預測圖；根據隨機模態缺失信號對模型中間層特征進行模態解耦，得到缺失模態特征和未缺失模態特征，對缺失模態特征和未缺失模態特征進行蒸餾對齊；對缺失模態預測圖進行隨機加噪和重建，對重建的缺失模態預測圖和全模態預測圖進行蒸餾對齊；使用缺失模態數據對訓練完成的孿生模型進行推理和模型性能驗證，得到孿生模型的分割精度。本發明的技術方案能解決現有技術中存在資源浪費且分割精度較低的問題。

本發明授權模態缺失腦腫瘤影像自動分割的孿生自蒸餾方法和系統在權利要求書中公布了：1.一種模態缺失腦腫瘤影像自動分割的孿生自蒸餾方法，其特征在于，包括： 使用孿生的U型網絡建立孿生模型，使用帶有標簽的腦腫瘤影像數據對所述孿生模型進行監督訓練和生成對抗訓練，得到模型中間層特征和輸出層預測圖，其中，所述輸出層預測圖包括缺失模態預測圖和全模態預測圖； 根據所述孿生模型的隨機模態缺失信號，對所述模型中間層特征進行模態解耦，得到缺失模態特征和未缺失模態特征，對所述缺失模態特征和未缺失模態特征進行蒸餾對齊； 對所述缺失模態預測圖依次進行隨機加噪和重建，對重建后的缺失模態預測圖和所述全模態預測圖進行蒸餾對齊； 使用缺失模態數據對訓練完成的所述孿生模型進行推理和模型性能驗證，得到所述孿生模型的分割精度； 所述模型中間層特征包括缺失模態語義特征和全模態語義特征，所述對所述缺失模態特征和未缺失模態特征進行蒸餾對齊的步驟，包括： 使用卷積塊對所述缺失模態語義特征進行二次編碼，得到編碼缺失語義特征； 根據模態輸入順序分別對所述編碼缺失語義特征與所述全模態語義特征進行劃分，得到多種基本模態特征，其中，所述基本模態特征包括缺失模態特征和未缺失模態特征； 蒸餾對齊所述編碼缺失語義特征和所述全模態語義特征的缺失模態特征，以及蒸餾對齊所述編碼缺失語義特征和所述全模態語義特征的未缺失模態特征； 所述對所述缺失模態預測圖依次進行隨機加噪和重建的步驟，包括： 根據預設掩碼比例，生成與所述標簽等大的隨機掩碼矩陣； 使用所述隨機掩碼矩陣，根據所述標簽分別生成所述缺失模態預測圖中腫瘤區域和非腫瘤區域的掩碼； 遍歷所述腫瘤區域和非腫瘤區域的掩碼，得到所述腫瘤區域和非腫瘤區域的像素； 使用所述隨機掩碼矩陣對缺失模態預測圖中腫瘤區域和非腫瘤區域分別進行加噪，得到加噪后的缺失模態預測圖； 使用卷積塊對所述加噪后的缺失模態預測圖進行重建，得到重建后的缺失模態預測圖； 所述對重建后的缺失模態預測圖和所述全模態預測圖進行蒸餾對齊的步驟，包括： 使用加噪后的缺失模態預測圖和全模態預測圖，根據標簽引導掩碼生成蒸餾的蒸餾損失函數： ； 計算得到所述標簽引導掩碼生成蒸餾的蒸餾損失，其中，Yf表示全模態預測圖，表示加噪后的缺失模態預測圖，Rec表示卷積塊，k表示病變程度不同的腫瘤區域。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人衡陽師范學院，其通訊地址為：421000 湖南省衡陽市雁峰區黃白路165號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。