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！

龙图腾网获悉郑州大学申请的专利一种基于自注意力机制的弱监督宫颈癌前病变分级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：CN115272739B 。

龙图腾网通过国家知识产权局官网在2026-01-23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：202210456908.8，技术领域涉及：G06V10/764；该发明授权一种基于自注意力机制的弱监督宫颈癌前病变分级方法是由石磊;徐静;张亚萌;高宇飞设计研发完成，并于2022-04-25向国家知识产权局提交的专利申请。

本一种基于自注意力机制的弱监督宫颈癌前病变分级方法在说明书摘要公布了：本发明适用于医学图像处理技术领域，提供了一种基于自注意力机制的弱监督宫颈癌前病变分级方法，包括如下步骤：步骤S1：病理图像预处理；步骤S2：以包和示例的层级方式将组织病理图像切分成指定大小的切片；步骤S3：使用预训练的卷积神经网络CNN提取图像局部特征；步骤S4：使用基于自注意力机制的模型A和B分别编码示例间和包间的关系以增强全局信息捕捉能力，结合全连接层以聚合示例级表征获得包级表征，进而获得全局图像级表征；步骤S5：使用全连接层，结合Softmax函数得到分级结果。本发明可以在只有图像级标注的情况下对宫颈癌前病变进行有效分级，辅助临床病理医生的诊断工作，缓解医疗资源紧张的问题。

本发明授权一种基于自注意力机制的弱监督宫颈癌前病变分级方法在权利要求书中公布了：1.一种基于自注意力机制的弱监督宫颈癌前病变分级方法，其特征在于，包括如下步骤： 步骤S1：病理图像预处理； 步骤S2：以包和示例的层级方式将组织病理图像切分成指定大小的切片； 步骤S3：使用预训练的卷积神经网络CNN提取图像局部特征； 步骤S4：使用基于自注意力机制的模型A和B分别编码示例间和包间的关系以增强全局信息捕捉能力，结合全连接层以聚合示例级表征获得包级表征，进而获得全局图像级表征具体为： 步骤一，针对由步骤S3得到的卷积神经网络特征图采用步骤S4所述的模型A编码示例间的关系得到 步骤二，将由步骤一得到的示例级表征传入一个全连接层以获得包级表征 步骤三，针对由步骤二得到的包级表征采用步骤S4所述的模型B编码包间的关系得到 步骤四，将由步骤三得到的包级表征传入一个全连接层以聚合包间表示进而获得图像级表征 模型A的具体结构如下：一个多头自注意力模块和一个前向传播网络，每个模块输入前都利用一个LayerNorm层进行归一化处理，且都应用了残差连接，由BiCNN得到Bihh计算过程如式1～6所示： H′＝MHSAQ＝BiCNN′,K＝BiCNN′,V＝BiCNN′ ＝Concathead1,…,headhWO#1 H＝H′+BiCNN#4 FFNLayerNormH＝RELULayerNormHβ1β2#5 Bihh＝FFNLayerNormH+H#6 模型B的具体结构如下：一个多头自注意力模块和一个前向传播网络，每个模块输入前都利用一个LayerNorm层进行归一化处理，且都应用了残差连接，由Bhb得到Bbb计算过程如式7～10所示： M'＝MHSAQ＝Bhb′,K＝Bhb′,V＝Bhb′ ＝Concathead1,…,headhWO#7 M＝M′+Bhb#8 FFNLayerNormM＝RELULayerNormMβ1β2#9 Bbb＝FFNLayerNormM+M#10 步骤S5：使用全连接层，结合Softmax函数得到分级结果。

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郑州大学，其通讯地址为：450000 河南省郑州市高新技术开发区科学大道100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。