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！

龙图腾网获悉华南理工大学申请的专利一种基于原型引导的自优化弱监督病理组织图像分割模型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：CN119418044B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202411340841.7，技术领域涉及：G06V10/26；该发明授权一种基于原型引导的自优化弱监督病理组织图像分割模型是由周镜璇;韩国强;刘再毅;韩楚;林佳泰;罗靖鑫;曹琨;钟雨萍;吴宏江;乐俊聪;王浩;石镇维设计研发完成，并于2024-09-25向国家知识产权局提交的专利申请。

本一种基于原型引导的自优化弱监督病理组织图像分割模型在说明书摘要公布了：本发明公开了一种基于原型引导的自优化弱监督病理组织图像分割模型，包括分类阶段和分割阶段；在分类阶段，训练一个分类模型，为分割阶段的伪监督分割生成伪标注；分别在BCSS‑WSSS和LUAD‑HistoSeg数据集上用CAMs对测试集的分割性能进行了评估；然后选择在测试集上表现最好的检查点作为最终权值，生成cam、相似图、融合cam和细化伪掩码；在分割阶段，通过伪掩码训练一个分割模型；在测试集和验证集上评估模型的性能。本发明以更加有效的方式弥补弱监督带来的信息差，从而解决欠激活问题，并引入基于多层特征亲和关系的自优化方法来去噪，同时采用可靠区域学习的策略降低噪声影响。

本发明授权一种基于原型引导的自优化弱监督病理组织图像分割模型在权利要求书中公布了：1.一种基于原型引导的自优化弱监督病理组织图像分割模型，其特征在于，包括分类阶段和分割阶段； 分类阶段采用深监督方式，将多层特征进行分类的得分加权相加，从而进行分类监督； PGM模块根据CAMs的激活情况筛选最优的特征作为类别原型，并利用其与图像特征生成相似度图Similaritymaps,通过Similaritymaps提供CAMs的互补信息，从而对其进行优化； 分类训练结束后，获得CAMs与Similaritymaps融合后的种子区域FusedCAMs；为了进一步优化伪标注质量，引入一个基于多层特征亲和关系的ARM模块； ARM模块从深监督对应的多层特征中进行亲和关系的提取，将经采样后的亲和矩阵转化为转移矩阵，通过随机游走算法进行原始种子区域的优化； 获得优化后的伪标注之后，在分割阶段的分割训练中采用可靠区域学习的策略RRL；该策略RRL通过计算每个像素位置对应交叉熵损失来生成一个损失图Ml,用于衡量该位置分类结果是否可靠；将交叉熵损失高于某一阈值thrur的位置确定为不可靠区域Rur,从而在反向传播时阻止这些区域的梯度反传，从而减轻噪声对于分割训练的影响。

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华南理工大学，其通讯地址为：510640 广东省广州市天河区五山路381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。