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！

龙图腾网获悉湖南大学申请的专利一种从肺癌组织病理学图像中预测气腔内播散的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：CN118507062B 。

龙图腾网通过国家知识产权局官网在2025-05-16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：202410584578.X，技术领域涉及：G16H50/50；该发明授权一种从肺癌组织病理学图像中预测气腔内播散的方法是由彭绍亮;潘良睿;彭艺俊;李燕;刘达政;窦钰涛设计研发完成，并于2024-05-12向国家知识产权局提交的专利申请。

本一种从肺癌组织病理学图像中预测气腔内播散的方法在说明书摘要公布了：本发明公开了一种从肺癌组织病理学图像中预测气腔内播散的方法，包括：S1、对全玻片图像进行图像预处理；S2、基于预训练模型对预处理后的图像进行特征提取；S3、基于载玻片图像的特征构建空间拓扑图；S4、基于孪生混合编码器对空间拓扑图进行特征提取；S5、采用步骤S4提取的特征对肺癌组织病理学图像进行预测，得到气腔内播散结果。本发明通过孪生的图编码器对来组织病理学图像空间拓扑结构的特征进行学习，通过特征分享和跳跃连接来推理训练模型，实现从肺癌组织病理学图像中预测气腔内播散。

本发明授权一种从肺癌组织病理学图像中预测气腔内播散的方法在权利要求书中公布了：1.一种从肺癌组织病理学图像中预测气腔内播散的方法，其特征在于，包括以下步骤：S1、对全玻片图像进行图像预处理；S2、基于预训练模型对预处理后的图像进行特征提取；S3、基于载玻片图像的特征构建空间拓扑图；S4、基于孪生混合编码器对空间拓扑图进行特征提取；S5、采用步骤S4提取的特征对肺癌组织病理学图像进行预测，得到气腔内播散结果；所述步骤S3中载玻片图像中的所有补丁均以特征向量的形式表示，采用K-近邻算法来构建空间拓扑图G，G＝{v,e}，v表示Graph的node集合，e表示边的集合，A是邻接矩阵，X是节点的特征；所述步骤S4中孪生混合编码器是由两个对称的编码器构成，孪生混合编码器的输出端是由两个编码器输出的特征进行拼接求均值再进行输出，每个编码器包括一个GCNConv、一个SAGEConv、两个ReLU层、一个Dropout操作、一个MLP网络和一个Rescale层，GCNConv初始化卷积核权重矩阵W，将节点特征X与权重矩阵W相乘得到节点的线性变换结果Z＝XW，利用邻接矩阵A对节点的特征进行传播；SAGEConv利用G的邻居节点特征来更新节点的特征表示；所述利用邻接矩阵A对节点的特征进行传播具体包括：对于节点i，其邻居节点的特征加权求和，然后与节点自身的特征相加，得到新的特征表示，其过程为： 式中，Hl-1表示第l-1层节点的特征表示，是邻接矩阵A加上自连接矩阵，是对角度矩阵，其中σ是ReLU激活函数；所述SAGEConv利用G的邻居节点特征来更新节点的特征表示具体包括：对于每个节点v，选择其邻居节点集合Nv，使用meanpooling的聚合方式将其邻居节点集合进行聚合，将节点v的特征与聚合后的邻居节点特征进行拼接，再经过一个线性变换和非线性激活函数，得到节点v的更新表示Hl+1，其过程可表示： 式中，W是权重矩阵，Concat将节点自身特征和邻居节点特征进行拼接操作，Aggregate是聚合操作，Graph的特征经过一个ReLU层和一个Dropout操作后由一个MLP网络和一个Rescale层进行特征提取和降维。

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湖南大学，其通讯地址为：410012 湖南省长沙市岳麓区麓山南路麓山门；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”。