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！

龙图腾网恭喜安徽中医药大学申请的专利基于语义一致性网络的生物组织处理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：CN119723576B 。

龙图腾网通过国家知识产权局官网在2025-06-13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：202510218521.2，技术领域涉及：G06V20/69；该发明授权基于语义一致性网络的生物组织处理方法是由胡静斐设计研发完成，并于2025-02-26向国家知识产权局提交的专利申请。

本基于语义一致性网络的生物组织处理方法在说明书摘要公布了：本发明涉及一种基于语义一致性网络的生物组织处理方法，包括：构建基于语义一致性的建模组织类内和类间特征的网络模型，该网络模型包括N个编码块、N‑1个I2C模块、N个压缩块、N个逻辑块；其中，每个编码块、压缩块、逻辑块均为基于卷积神经网络的卷积模块，每个I2C模块包括特定类别区域内聚合像素表示的类内上下文模块和能够捕捉组织间形态结构的类间上下文模块；所述网络模型还包括用于训练该网络模型的一致性模块；获取训练样本数据；使用所述训练样本数据对所述基于语义一致性的建模组织类内和类间特征的网络模型进行训练；使用生物组织识别处理训练模型对生物组织图像数据进行识别和处理。通过类内增强和类间增强来提高特征图的表示能力。

本发明授权基于语义一致性网络的生物组织处理方法在权利要求书中公布了：1.一种基于语义一致性网络的生物组织处理方法，其特征在于包括步骤： 构建基于语义一致性的建模组织类内和类间特征的网络模型，该网络模型包括N个编码块、N-1个I2C模块、N个压缩块、N个逻辑块；其中，每个编码块、压缩块、逻辑块均为基于卷积神经网络的卷积模块，每个I2C模块包括类别区域内聚合像素表示的类内上下文模块和能够捕捉组织间形态结构的类间上下文模块；并且，N个编码块依次串联，第N个编码块的输出被输入至对应的第N个压缩块进行处理，第N个压缩块的结果输入至第N个逻辑块处理后经上采样输入至第N-1个I2C模块，第N-1个I2C模块接收第N-1个编码块的输出以及上述第N个逻辑块处理后的上采样输出，将经处理后的结果输出至第N-1个逻辑块处理后经上采样输入至第N-2个功能块，并依此类推，直至第1个逻辑块处理后作为预测结果输出；N为大于2的整数； 并且，所述基于语义一致性的建模组织类内和类间特征的网络模型还包括用于训练该网络模型的一致性模块； 获取训练样本数据，该训练样本数据为生物组织图像数据，该生物组织图像数据中的一部分为带标签数据，以用于有监督训练，另一部分为无标签数据，以用于半监督训练； 使用所述训练样本数据对所述基于语义一致性的建模组织类内和类间特征的网络模型进行训练，得到生物组织识别处理训练模型； 使用生物组织识别处理训练模型对生物组织图像数据进行识别和处理； 其中，一致性模块包括依次连接的第一卷积块、第二卷积块、第一自注意力块、第三卷积块、第二自注意力块、卷积输出层；其中，第一卷积块、第二卷积块、第三卷积块的结构相同，均包括卷积层、频谱归一化层、激活函数层； 采用一致性损失函数来训练一致性模块，使用交叉熵损失函数来监督逻辑图，损失函数表示为： ； 其中，表示一个独热标签缩放到的大小；K是类别数，W和H分别为生物组织图像X的宽度和高度；用以下公式获得： ； 为不同尺度的预测输出图；表示交叉熵损失，表示对输入生物组织图像中的所有位置的值求和； 总的交叉熵损失表示为： ； 使用该网络模型获得的结果与原始生物组织图像组合作为“假数据”输入到一致性模块，将真实标签和原始生物组织图像的组合作为“真实数据”输入到一致性模块；一致性模块从浅到深提取组合数据特征，并输出真假结果；由以下公式表示： ； 其中，Score表示判别分数，是一致性模块的输出，；表示连接操作；表示一致性模块；是分割图像，使用真实标签或相同输入生物组织图像X的预测图表示； 为了使训练稳定，一致性模块中采用LSGAN损失，通过交替更新来将LSGAN损失引入训练：； 其中，是原始生物组织图像的数据分布；表示真实标签，是预测结果，由得到；表示分割网络。

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安徽中医药大学，其通讯地址为：230012 安徽省合肥市新站区龙子湖路350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”。