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！

龙图腾网获悉中南大学湘雅二医院申请的专利一种从肺癌组织病理学图像中预测基因突变信息的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：CN120148029B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202510224833.4，技术领域涉及：G06V20/69；该发明授权一种从肺癌组织病理学图像中预测基因突变信息的方法是由罗佳娣;蒋谊;李小红;梁青春;潘良睿设计研发完成，并于2025-02-27向国家知识产权局提交的专利申请。

本一种从肺癌组织病理学图像中预测基因突变信息的方法在说明书摘要公布了：本发明公开了一种从肺癌组织病理学图像中预测基因突变信息的方法，包括以下步骤：S1、收集肺癌组织病理学全玻片图像及对应基因检测报告；S2、进行图像预处理，构建病理组学数据集；S3、构建NAVF‑Bio模型；其包括预训练模块、病理空间拓扑图表示学习模块、多尺度特征融合模块和自适应跨视图知识补充模块；S4、对NAVF‑Bio模型进行训练，基于多尺度loss和加权融合loss约束NAVF‑Bio模型，获得最终NAVF‑Bio模型；S5、利用最终NAVF‑Bio模型从肺癌组织病理学全玻片图像中预测基因突变信息。本发明解决了当前AI模型无法有效预测基因突变亚型和突变外显子定位的技术难题。

本发明授权一种从肺癌组织病理学图像中预测基因突变信息的方法在权利要求书中公布了：1.一种从肺癌组织病理学图像中预测基因突变信息的方法，其特征在于，包括以下步骤： S1、收集肺癌患者的组织病理学全玻片图像及对应基因检测报告； S2、对组织病理学全玻片图像进行图像预处理，构建病理组学数据集； S3、构建用于从肺癌组织病理学全玻片图像中预测基因突变信息的NAVF‑Bio模型； NAVF‑Bio模型包括预训练模块、病理空间拓扑图表示学习模块、多尺度特征融合模块和自适应跨视图知识补充模块； 预训练模块用于对预处理后的图像进行特征提取；病理空间拓扑图表示学习模块用于对提取的特征进一步处理形成一维的向量；多尺度特征融合模块用于不同尺度特征的进一步提取与融合；自适应跨视图知识补充模块用于纳入多视图的特征提升模型的预测性能； S4、利用所述病理组学数据集对构建的NAVF‑Bio模型进行训练，基于多尺度loss和加权融合loss约束NAVF‑Bio模型，获得最终NAVF‑Bio模型； S5、利用最终NAVF‑Bio模型从肺癌组织病理学全玻片图像中预测基因突变信息，所述基因突变信息包括基因突变、肿瘤突变负荷、基因突变亚型和蛋白功能域； 所述病理空间拓扑图表示学习模块中，使用KNN算法来构建不同尺度补丁的空间拓扑图的点和边；使用HD‑Yolo算法对全玻片图像中的细胞进行分割分类，并量化肿瘤微环境指标，同样使用KNN算法构建肿瘤微环境的细胞空间拓扑图，细胞空间拓扑图的节点包含细胞的标签、分类的概率、细胞核的面积，同种细胞之间的关系作为边； 所述病理空间拓扑图表示学习模块包括SGAEConv模块和多层感知模块； SGAEConv模块使用一个线性变换结合节点自身的特征和邻居特征，表示为： 其中，Wm，Wn均是可学习的权重矩阵，是节点v在k层的嵌入，是邻居节点的聚合特征，σ是RuLU激活函数； 多层感知模块包括ReLU激活函数、层归一化和信息丢弃正则化；使用ReLU激活函数对输入特征进行非线性变换；基于层归一化稳定模型的训练和加速模型收敛的功能；多层感知模块利用信息丢弃正则化在每次训练中以一定概率丢弃一部分神经元，从而帮助模型更好地训练，并防止过拟合。

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中南大学湘雅二医院，其通讯地址为：410011 湖南省长沙市芙蓉区人民中路139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”。

以上内容由龙图腾AI智能生成。