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！

龙图腾网获悉北京航空航天大学申请的专利一种基于病变类别感知的数字病理图像的表征学习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：CN115526331B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202210980645.0，技术领域涉及：G06N20/00；该发明授权一种基于病变类别感知的数字病理图像的表征学习方法是由郑钰山;李俊;姜志国;张浩鹏;谢凤英设计研发完成，并于2022-08-16向国家知识产权局提交的专利申请。

本一种基于病变类别感知的数字病理图像的表征学习方法在说明书摘要公布了：本发明公开了一种基于病变类别感知的数字病理图像的表征学习方法，包括以下步骤：S1.获取数据集；S2.基于弱监督的对比学习预训练；S3.队列更新后得到针对数字病理图像的特征提取器；本发明针对现有框架的不足，提出一种数字病理图像的表征学习方法，该方法不依赖于专家的精细标注，仅需切片级的分类标签，利用获取代价最小的标注信息学习得到鲁棒的、具有区分度的图像表征，并且在下游任务中标签优于现有的先进方法。

本发明授权一种基于病变类别感知的数字病理图像的表征学习方法在权利要求书中公布了：1.一种基于病变类别感知的数字病理图像的表征学习方法，其特征在于，包括以下步骤： S1.获取数据集：将输入的数字病理图像进行裁剪得到剪裁后的图像x，形成数据集D，其中x∈D，并为每个x分配伪样本标签；分配规则为：对于一张全切片S，切片类别为对于从S中采样的任意样本，标签 S2.基于弱监督的对比学习预训练： S21.对x进行数据增强后得到两个不同的增强视图vq和vk； S22.将vq和vk分别输入至对比学习网络的查询分支和关键分支中，通过所述查询分支和所述关键分支内的编码器，分别对应生成表征zq＝fqvq和zk＝fkvk，并分别通过所述查询分支和所述关键分支内的投影器将表征映射到应用对比损失的空间，得到q＝Pqzq和k+＝Pkzk，其中k+为正样本，q为负样本； S23.将所述负样本的表征zq＝fqvq存储于病变存储队列M中，分别更新所述查询分支的权重θq和所述关键分支的权重θk； S3.更新所述队列M中所述负样本的表征，更新后得到针对数字病理图像的特征提取器：使用平均KL散度来确定要更新的样本集合，具体方式如下： 其中，代表一个训练批次包含的表征集合，代表一个训练批次中需要被更新的表征集合，DKL·是KL散度函数，表示待更新的k+与队列中的表征之间的相似度分布，表示预期分布，i为M中的各类样本的个数。

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北京航空航天大学，其通讯地址为：100000 北京市海淀区学院路37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。