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！

龙图腾网获悉山东第一医科大学附属省立医院(山东省立医院)申请的专利一种用于尿蛋白检测的分级方法和装置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：CN121483441B 。

龙图腾网通过国家知识产权局官网在2026-04-17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：202610009534.3，技术领域涉及：G16C20/70；该发明授权一种用于尿蛋白检测的分级方法和装置是由苏红;吕智美;王荣;郎娅婷设计研发完成，并于2026-01-06向国家知识产权局提交的专利申请。

本一种用于尿蛋白检测的分级方法和装置在说明书摘要公布了：本发明涉及尿蛋白检测技术领域，尤其是提供了一种用于尿蛋白检测的分级方法和装置。该方法包括采集尿液样本，进行样本分类和标注；基于样本分类和标注，对尿液样本进行染色，制备样本图像，构建样本数据集；对样本数据集进行预处理，获得训练集、验证集和测试集；对预处理后的样本数据进行特征提取，并对提取的特征进行预处理，选取最重要的58个特征；对增强型分层自适应多核融合支持向量机E‑HAMKF‑SVM进行训练，获得最终的多核融合模型；利用多核融合模型，得到分级的预测类别，该方法提高了尿蛋白检测的准确率、泛化能力以及临床适用度。

本发明授权一种用于尿蛋白检测的分级方法和装置在权利要求书中公布了：1.一种用于尿蛋白检测的分级方法，其特征在于，所述方法包括： 步骤1、采集尿液样本，进行样本分类和标注； 步骤2、基于样本分类和标注，对尿液样本进行染色，制备样本图像，构建样本数据集； 步骤3、对样本数据集进行预处理，获得训练集、验证集和测试集； 步骤4、对预处理后的样本数据进行特征提取，并对提取的特征进行预处理，选取最重要的58个特征； 步骤5、对增强型分层自适应多核融合支持向量机E-HAMKF-SVM进行训练，获得最终的多核融合模型； 步骤6、利用多核融合模型，得到分级的预测类别； 所述步骤4中对预处理后的样本数据进行特征提取包括： 使用增强特征提取器从每个样本图像中提取115维特征向量，包括72维色彩空间特征、15维数区域特征、16维纹理特征和12维形态学特征，记作； 步骤41、72维色彩空间特征包括24维BGR色彩空间特征、24维HSV色彩空间特征和24维LAB色彩空间特征；记为通道标识，对于BGR色彩空间：；对于HSV色彩空间，；对于LAB色彩空间，；对于每个色彩空间的每个通道，提取8个统计量： ； 其中，为相应色彩空间通道的均值，N为当前通道中所有像素的总数；为第i个像素的像素值，其取值范围为0-255；为标准差，为第q百分位数，其数学定义为将所有像素值从小到大排序，为使得q%的数据小于或等于它的值；和分别为像素值中的最小值和最大值； 因此，色彩特征向量的维数为3个色彩空间×3个通道×8个统计量=72维； 步骤42、15维数区域特征包括3维中心区域颜色均值特征、3维边缘区域颜色均值特征、3维背景区域颜色均值特征、3维中心-背景相对差异特征、3维边缘-背景相对差异特征； 设圆心为，半径为，为样本图像中任意一点的坐标，定义中心区域、边缘区域和背景区域，其表达式分别为： ； ； ； 计算中心区域颜色均值特征、边缘区域颜色均值特征和背景区域颜色均值特征，其表达式分别为： ； ； ； 其中，为中心区域中的像素总数，为中心区域内所有像素值的总和；为边缘区域中的像素总数，为边缘区域内所有像素值的总和；为背景区域中的像素总数，为背景区域内所有像素值的总和； 中心-背景相对差异特征表达式为： ； 边缘-背景相对差异特征表达式为： ； 其中，用于避免分母为零； 因此，15维数区域特征向量为：； 步骤43、16维纹理特征包括4维Sobel梯度特征、1维Canny边缘特征、3维Laplacian特征、4维圆形区域梯度特征、4维颜色梯度特征： Sobel梯度特征向量表达式为： ； 其中，、、、分别为梯度幅度的均值、标准差、最大值、第90百分位数；梯度幅度定义为，为水平方向梯度，为竖直方向梯度，代表图像矩阵，即整个样本图像的像素值集合； Canny边缘特征向量表达式为： ； 其中，为边缘像素的个数，为当前通道中所有像素的总数； Laplacian特征向量表达式为：； 其中，，和分别为的均值、标准差和最大值；表达式为：，其中为图像矩阵I沿x方向的二阶导数，为图像矩阵I沿y方向的二阶导数； 圆形区域梯度特征向量表达式为： ； 其中，、、和分别为圆形区域内的梯度集合的均值、标准差、最大值和第90百分位数；表达式为： ； 其中，为中心区域，为点处的梯度幅度； 颜色梯度特征向量表达式为： ； 其中，，、和分别代表BGR通道的梯度； 因此，16维纹理特征向量为：； 步骤44、12维形态学特征包括2维腐蚀特征、2维膨胀特征、2维开运算特征、2维闭运算特征、4维形态学差异特征： 形态学特征向量记作： ； 其中，为腐蚀后的平均亮度，N为当前通道中所有像素的总数；为腐蚀后的标准差，表示腐蚀后图像亮度的波动程度；和分别为膨胀后的平均亮度和膨胀后的标准差；和分别为开运算后的平均亮度和开运算后的标准差；和分别为闭运算后的平均亮度和闭运算后的标准差；为原始与腐蚀的差异，用于反映蛋白质沉淀的边界厚度；为膨胀与原始的差异，用于反映周围区域的蛋白质信号强度；为原始与开运算的差异，用于反映图像中的噪点强度；为闭运算与原始的差异，表示闭运算添加的像素值； 腐蚀操作、膨胀操作、开运算和闭运算，其表达式分别为： 腐蚀操作为： ； 其中，为图像矩阵，B为结构元素，其为： ； 膨胀操作为： ； 开运算为； 闭运算为； 所述E-HAMKF-SVM由多核融合分类器构建；采用5个不同配置的SVM分类器进行融合，其配置如下： Ⅰ、SVM1：RBF核，标准权重，取值为1.0，用于捕捉数据中的非线性特征； Ⅱ、SVM2：Linear核，标准权重，取值为1.0，用于处理数据中的线性特征； Ⅲ、SVM3：Polynomial核，标准权重，取值为1.0，用于捕捉特征间的高阶交互关系； Ⅳ、SVM4：RBF核，增强权重，取值为1.5，用于在集成投票中强化RBF分类器的影响力； Ⅴ、SVM5：Linear核，增强权重，取值为1.5，用于在集成投票中强化Linear分类器的影响力。

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山东第一医科大学附属省立医院(山东省立医院)，其通讯地址为：250021 山东省济南市槐荫区经五纬七路324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。