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基于集成自训练的半监督宽度乳腺癌诊断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：CN118154527B 。

龙图腾网通过国家知识产权局官网在2025-12-02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：202410239981.9，技术领域涉及：G06T7/00；该发明授权基于集成自训练的半监督宽度乳腺癌诊断方法是由郭继凤;陈俊龙;张通;刘竹琳设计研发完成，并于2024-03-04向国家知识产权局提交的专利申请。

本基于集成自训练的半监督宽度乳腺癌诊断方法在说明书摘要公布了：本发明公开了一种基于集成自训练的半监督宽度乳腺癌诊断方法，包括：S1、采集乳腺癌图像数据并标注及预处理；S2、训练多个同质打标BLS；S3、所有同质打标BLS进行投票决策，产生预标签；S4、根据投票计算分类标签纯度，选择一组无标签乳腺癌图像数据赋予其伪标签并作为辅助训练数据；S5、动态节点机制调整所有打标BLS的结构，并将辅助训练数据加入训练集，训练这些打标BLS；S6、若达到终止条件，利用当前带标签的乳腺癌图像数据训练最终决策BLS并应用到实际乳腺癌数据，输出诊断结果。本发明结合集成学习和自训练机制解决了乳腺癌诊断领域的标签和非平衡问题，使用宽度学习作为基分类器避免了基于深度学习乳腺癌诊断方法成本高、部署难度大的问题。

本发明授权基于集成自训练的半监督宽度乳腺癌诊断方法在权利要求书中公布了：1.基于集成自训练的半监督宽度乳腺癌诊断方法，其特征在于，包括以下步骤： S1、采集乳腺癌图像数据并进行标注，对图像数据进行预处理； S2、利用带标签乳腺癌图像数据并行训练多个同质打标宽度学习模型； S3、所有同质打标宽度学习模型对无标签乳腺癌图像数据进行投票决策，产生预标签； S4、根据同质打标宽度学习模型的投票计算分类标签纯度，选择一组合适的无标签乳腺癌图像数据赋予其伪标签并作为辅助训练数据； S5、采用数据驱动的动态节点机制调整所有打标宽度学习模型的结构，并将辅助训练数据加入训练集，训练这些打标宽度学习模型； S6、判断是否达到预设终止条件，若是，利用当前带标签的乳腺癌图像数据训练最终决策宽度学习模型并应用到实际乳腺癌数据，输出诊断结果；若否，则进入S2并进行后续步骤，直到达到预设终止条件； 步骤S3具体为： 每个打标宽度学习模型的投票产生预标签根据公式6获得： y′p＝argmaxy6 其中，y为打标宽度学习模型的输出，表示为公式7： 步骤S4中，分类标签纯度的计算公式为： 其中，fm是投票结果中众数类的频率；#fi！＝0表示fi不等于0的个数；Nbls表示打标分类器BLS的个数，NC表示数据集中类别的个数；和分别表示多个打标分类器投票结果的集中程度和分散程度。

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。