公开(公告)号：CN119693638A

公开(公告)日：2025-03-25

申请号：CN202411680170.9

申请日：2024-11-22

Applicant: 浙江大学

Inventor： 梁国艳 ,  周芹 ,  王喆 ,  陈静远 ,  谷林 ,  姚畅 ,  伍赛

IPC: G06V10/26 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于语义先验引导的不完整多模态脑肿瘤分割方法。本发明基于互学习蒸馏框架构建SMML网络模型，在每个分支引入MedSAM‑3D模型提供先验的语义引导；本发明设计的方向性的像素级的蒸馏算法可以使双分支网络互相交换学习到的有价值的知识，进一步对网络参数进行优化；这二者的结合使模型在脑肿瘤数据集上实现了SOTA的效果，超越了目前已有的其他模型，获得了最好的分割效果，实现了目前的SOTA。

公开(公告)号：CN118212183A

公开(公告)日：2024-06-18

申请号：CN202410266525.3

申请日：2024-03-08

Applicant: 浙江大学

Inventor： 梁国艳 ,  周芹 ,  王喆 ,  陈静远 ,  姚畅

IPC: G06T7/00 ,  G06T7/10 ,  G06V10/762 ,  G06V10/764 ,  G06V10/80 ,  G06F17/16 ,  G06N3/0455 ,  G06N3/048 ,  G06N3/0895

Abstract: 本发明公开了一种基于原型学习的自监督实例自适应的医学图像分割方法。1)将公开的三维医学图像分割数据集中的图像经预处理得到标准化的图像；2)将标准化图像输入3Dbackbone；3)通过构建自适应的原型学习模块生成最终的分割预测结果，并通过计算分割损失监督模型；4)通过构建自监督的掩码生成模块生成伪标签；5)构建自监督过滤机制，并引入辅助损失；6)基于分割损失和辅助损失计算整体的目标损失；7)基于步骤6)的损失函数训练模型。本发明引入SMG模块，可以更好地建模类内多样性，设计了自监督过滤机制来对随机初始化的目标查询进行监督；此外，本发明可以还利用IPL模块来针对不同的输入做适应性调整。

公开(公告)号：CN119692426A

公开(公告)日：2025-03-25

申请号：CN202411680163.9

申请日：2024-11-22

Applicant: 浙江大学

Inventor： 梁国艳 ,  周芹 ,  王喆 ,  陈静远 ,  谷林 ,  姚畅 ,  伍赛

IPC: G06N3/096 ,  G06N3/042 ,  G06N3/0455 ,  G06V10/764 ,  G06V10/82 ,  G06N3/084

Abstract: 本发明公开了一种基于类别边界不确定性的关系型知识蒸馏方法。1)一张图像同时分别经过两个网络分支的特征编码器得到中间特征图谱，再经解码器得到最后的分割预测图谱；2)基于步骤1)得到的中间特征图谱，计算特征级的一致性蒸馏损失；3)基于步骤1)得到的分割预测图谱，计算像素级的一致性蒸馏损失；4)基于步骤1)得到的双分支的分割预测图谱及其对应的真实类别标签A，分别计算分支1和2的目标损失；5)计算总的优化损失函数；6)基于步骤5)的损失函数训练模型。本发明引入BURKD算法，可以更好地建模样本间和类别间的关系，采用基于类别边界不确定的方法对每一种类别进行适应性的动态加权，提高语义分割的性能。