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！

龙图腾网获悉大连民族大学申请的专利一种结合自监督和弱监督学习的乳腺癌全切片图像分类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：CN117237733B 。

龙图腾网通过国家知识产权局官网在2025-08-19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：202311269042.0，技术领域涉及：G06V10/764；该发明授权一种结合自监督和弱监督学习的乳腺癌全切片图像分类方法是由张建新;高程阳;孙鉴;丁雪妍;刘斌;张强设计研发完成，并于2023-09-27向国家知识产权局提交的专利申请。

本一种结合自监督和弱监督学习的乳腺癌全切片图像分类方法在说明书摘要公布了：本发明公开了一种基于自监督和弱监督方法相结合的多示例乳腺癌全切片病理图像分类方法，包括：该方法分为MoBY自监督对比学习和基于Transformer的弱监督多示例学习两个阶段。第一阶段，利用对比学习策略在大量无标签数据上进行训练。选择SwinTransformer作为骨干模型，通过自注意力机制和层次化的特征表示，更好地适应不同乳腺癌病理图像的变化和差异，初步学习乳腺癌病理图像的组织特征。第二阶段，利用第一阶段的权重初始化模型，采用多示例学习方法将每张全切片图像视为一个包，将生成的小切片视为包中的示例。通过多示例学习方法选择每张全切片图像中概率最大的Top‑n示例来优化模型，以降低类别不均衡产生的影响。然后将筛选出的关键示例通过Transformer编码器构建聚合器，以更有效地探索所选乳腺癌示例之间的相关性，并自适应地突出最独特的示例特征。

本发明授权一种结合自监督和弱监督学习的乳腺癌全切片图像分类方法在权利要求书中公布了：1.一种结合自监督和弱监督学习的乳腺癌全切片图像分类方法，其特征在于包括： 获取乳腺癌全切片病理图像数据集和其对应的全切片标签信息，将该数据集按一定比例划分为训练集、验证集和测试集； 对全切片病理图像数据集进行预处理，采用反阈值二值化方法生成图像前景组织区域的二进制掩模，利用区域阈值对检测到的背景区域进行过滤，仅保留近似轮廓，并从该区域中生成一系列不重叠的切片用于模型的训练与验证； 构建自监督对比学习框架与弱监督多示例学习框架相结合的两阶段乳腺癌全切片病理图像分类网络：第一阶段利用基于MoBY的对比学习框架充分学习无标签切片的特征信息；第二阶段采用弱监督多示例学习的方法从每张全切片图像中选取关键示例的特征，考虑特征的空间信息和切片之间的相关性，使用Transformer编码器自适应地聚集特征完成全切片病理图像的分类； 将训练集中的切片数据输入到第一阶段模型中，对其进行训练和验证，并在每次迭代中进行网络参数的更新，根据验证集的结果，确定第一阶段编码器中的最佳权重，利用最佳权重来初始化第二阶段模型，并使用数据包级标签来优化第二阶段模型，并基于最优验证集精度保存第二阶段模型的最佳权重； 根据验证集中的最优权重，在测试集上对该两阶段乳腺癌全切片病理图像分类网络的性能进行评估。

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大连民族大学，其通讯地址为：116000 辽宁省大连市金州新区辽河西路18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”。