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！

龙图腾网获悉核工业总医院申请的专利基于图卷积对比学习网络的肿瘤病理图像分割方法及系统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：CN120563847B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202511062489.X，技术领域涉及：G06V10/26；该发明授权基于图卷积对比学习网络的肿瘤病理图像分割方法及系统是由石琛;李仕成设计研发完成，并于2025-07-31向国家知识产权局提交的专利申请。

本基于图卷积对比学习网络的肿瘤病理图像分割方法及系统在说明书摘要公布了：本发明公开了基于图卷积对比学习网络的肿瘤病理图像分割方法及系统，涉及图像分割技术领域，包括：获取肿瘤病理图像及肿瘤病理图像对应的分割标签，基于肿瘤病理图像及肿瘤病理图像对应的分割标签生成肿瘤病理图像训练集；将肿瘤病理图像训练集进行预处理，将预处理后的肿瘤病理图像训练集输入至预先建立的偏移图卷积对比学习网络模型内进行训练，得到训练后的偏移图卷积对比学习网络模型；接收待分割肿瘤病理图像，将待分割肿瘤病理图像输入至训练后的偏移图卷积对比学习网络模型内，输出得到肿瘤病理图像分割结果，实现图像的精准分割。

本发明授权基于图卷积对比学习网络的肿瘤病理图像分割方法及系统在权利要求书中公布了：1.基于图卷积对比学习网络的肿瘤病理图像分割方法，其特征在于，方法包括以下步骤： 获取肿瘤病理图像及肿瘤病理图像对应的分割标签，基于肿瘤病理图像及肿瘤病理图像对应的分割标签生成肿瘤病理图像训练集； 所述肿瘤病理图像训练集，包含肿瘤病理图像及其对应的分割标签，，表示训练集中肿瘤病理图像数量； 所述肿瘤病理图像训练集进行预处理的过程包括： 对于每张肿瘤病理图像，将其变换到其他颜色空间的彩色图像表示为，的分割标签是； 将肿瘤病理图像训练集进行预处理，将预处理后的肿瘤病理图像训练集输入至预先建立的偏移图卷积对比学习网络模型内进行训练，得到训练后的偏移图卷积对比学习网络模型； 所述预先建立的偏移图卷积对比学习网络模型包括：特征提取器、偏移图卷积网络和解码器； 所述特征提取器使用基于U-Net编码器，由共级编码模块构成；当肿瘤病理图像送入后，第级编码模块输出特征，其中，，表示第级编码模块输出特征，第级编码模块的输入特征为；当肿瘤病理图像送入后，第级编码模块输出特征，其中，表示第级编码模块输出特征，第级编码模块的输入特征为； 所述偏移图卷积网络使用图卷积子网络，由级图卷积层构成；当肿瘤病理图像送入后，对于特征提取器输出特征，其中，分别表示特征的通道数、高度和宽度；将特征提取器输出第级特征使用自适应池化运算变成与像素数目相同的特征，其中，表示特征的通道数；中第个像素特征经过双层感知机变成通道数为的特征向量，中第个像素特征经过双层感知机变成通道数为的特征向量； 对于第级图卷积层来说，，，，，表示第级图卷积层的第个结点，表示第级图卷积层的连接第个结点与第个结点之间的边，第级邻接矩阵，邻接矩阵第个元素计算公式为： 其中，表示计算两个向量之间的余弦相似度；计算第级度矩阵的对角线元素、其余元素为0，其中，，是单位矩阵；计算图卷积子网络第级第个结点的图卷积特征如下： 其中，表示激活函数，表示第级第个结点的图卷积特征，表示可学习参数；当时，对应于中的第个像素特征，对应于中的第个像素特征，对应于中的第个像素特征； 使用图卷积子网络，由级图卷积层构成；当肿瘤病理图像送入后，对于特征提取器输出特征，其中，分别表示特征的通道数、高度和宽度；将特征提取器输出第级特征使用自适应池化运算变成与像素数目相同的特征，其中，表示特征的通道数；中第个像素特征经过双层感知机变成通道数为的特征向量，中第个像素特征经过双层感知机变成通道数为的特征向量； 对于第级图卷积层来说，，，，，表示第级图卷积层的第个结点，表示第级图卷积层的连接第个结点与第个结点之间的边；第级邻接矩阵，邻接矩阵第个元素计算公式为： 其中，表示计算两个向量之间的余弦相似度，计算第级度矩阵的对角线元素、其余元素为0，其中，，是单位矩阵；计算图卷积子网络第级第个结点的图卷积特征如下： 其中，表示激活函数，表示第级第个结点的图卷积特征，表示可学习参数；当时，对应于中的第个像素特征，对应于中的第个像素特征，对应于中的第个像素特征； 使用图卷积子网络，由级图卷积层构成，对于特征提取器输出图像特征、进行元素求和得到，其中，分别表示特征的通道数、高度和宽度； 对于第级图卷积层来说，，子图，，表示级图卷积层的第个结点，表示级图卷积层的连接第个结点与第个结点之间的边；第级邻接矩阵，邻接矩阵第个元素计算公式为： 其中，表示计算两个向量之间的余弦相似度，表示子图第个结点的特征，表示子图第个结点的特征； 计算第级度矩阵的对角线元素、其余元素为0，其中，，是单位矩阵；图卷积子网络第级第个结点的图卷积特征计算如下： 其中，表示激活函数，表示第级第个结点的图卷积特征，表示第级第个结点的图卷积特征，、表示可学习参数； 接收待分割肿瘤病理图像，将待分割肿瘤病理图像输入至训练后的偏移图卷积对比学习网络模型内，输出得到肿瘤病理图像分割结果。

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核工业总医院，其通讯地址为：215004 江苏省苏州市三香路1055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”。