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！

龙图腾网获悉哈尔滨工业大学申请的专利一种病理切片图像病变分级分类检测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：CN116597218B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202310578843.9，技术领域涉及：G06V10/764；该发明授权一种病理切片图像病变分级分类检测方法是由张淼;邹春柳;蒋萍;赵虹博;王艳;沈毅设计研发完成，并于2023-05-22向国家知识产权局提交的专利申请。

本一种病理切片图像病变分级分类检测方法在说明书摘要公布了：本发明公开了一种病理切片图像病变分级分类检测方法，所述方法包括如下步骤：步骤一：利用基于归一化互信息配准的自动化标签标注方法对裁剪后的图像标注标签，生成数据集；步骤二：对DenseNet121网络进行改进，引入焦点损失函数平衡多个组织样本之间的权重；步骤三：在改进后的DenseNet121中的每一个稠密块和转换层中间加入混合注意力模块，并将局部监督函数加入到修改后网络的损失函数中；步骤四：将步骤二和步骤三中的两个改进网络系统结合，形成针对病变的分级分类检测方案。本发明能够提高病变图像的检出速度和准确率，从而降低人工识别成本，扩展医学图像分类领域应用前景。

本发明授权一种病理切片图像病变分级分类检测方法在权利要求书中公布了：1.一种病理切片图像病变分级分类检测方法，其特征在于所述方法包括如下步骤： 步骤一：将高分辨率的完整切片扫描图规则裁剪，利用基于归一化互信息配准的自动化标签标注方法对裁剪后的图像标注标签，生成数据集； 步骤二：以DenseNet121为基准网络，对DenseNet121网络进行改进，引入焦点损失函数平衡多个组织样本之间的权重，用于组织识别的多分类任务训练； 步骤三：在步骤二改进后的DenseNet121中的每一个稠密块和转换层中间加入混合注意力模块，增强网络对病理图像中病变区域的空间和通道特征的权重，并将局部监督函数加入到修改后网络的损失函数中，用于同时检测网络的整体分类性能和局部增强效果，具体步骤如下： 步骤三一：改进后的网络有三个稠密块和三个转换层，在每个稠密块和转换层之间加入混合注意力模块，该模块不改变输入输出特征图的大小； 步骤三二：对经过转换层处理后的图像的每个通道进行加强，将每个通道的特征图于输入原图进行点乘，得到局部特征增强后的新特征图，将新特征图和原特征图输入到分类网络当中，做一个局部预测，利用局部监督损失函数对局部增强效果进行检测： 其中，表示第i个通道的损失，表示第i个通道的权重，为输入原图，为二分类模型中图像被判别为前景的概率，改进的基于局部注意力监督网络的损失函数为： 其中，为原来的交叉熵损失函数，表示第j个转换层后的第i个通道的损失； 步骤四：用步骤二中基于结构优化的改进网络学习切片组织形态，用步骤三中基于局部注意力监督的改进网络学习病变组织特征，将步骤二和步骤三中的两个改进网络系统结合，形成针对病变的分级分类检测方案。

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哈尔滨工业大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92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。