Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 恭喜华南理工大学余晋刚获国家专利权

恭喜华南理工大学余晋刚获国家专利权

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!

龙图腾网恭喜华南理工大学申请的专利一种乳腺癌前哨淋巴结转移的预测方法、系统及存储介质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:CN114783604B

龙图腾网通过国家知识产权局官网在2025-06-17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:202210420290.X,技术领域涉及:G16H50/30;该发明授权一种乳腺癌前哨淋巴结转移的预测方法、系统及存储介质是由余晋刚;吴锦全;吴梓浩设计研发完成,并于2022-04-21向国家知识产权局提交的专利申请。

一种乳腺癌前哨淋巴结转移的预测方法、系统及存储介质在说明书摘要公布了:本发明公开了一种乳腺癌前哨淋巴结转移的预测方法、系统及存储介质,方法为:获取带标签的WSI作为训练数据集,进行预处理得到图像块集;构建WSI分类模型;使用图像块集对特征提取器进行预训练,获得特征向量集;将特征向量集输入原型聚类模块中,通过聚类提取多个原型;对乳腺癌前哨淋巴结WSI划分图像块后输入特征提取器中提取图像块特征;将图像块特征和原型输入特征融合模块进行匹配,生成软分配直方图,构造乳腺癌前哨淋巴结WSI的特征向量;将乳腺癌前哨淋巴结WSI的特征向量送入全连接层获取WSI分类分数并进行转移判断。本方法在保持对宏转移精确识别的同时,能够更好的解决微转移识别的问题,从而对乳腺癌前哨淋巴结转移进行精确地诊断。

本发明授权一种乳腺癌前哨淋巴结转移的预测方法、系统及存储介质在权利要求书中公布了:1.一种乳腺癌前哨淋巴结转移的预测方法,其特征在于,包括下述步骤: 获取带标签的WSI作为训练数据集,进行预处理得到图像块集;所述训练数据集表示为: 其中,Xi表示第i张带标签的WSI,|S|表示为训练数据集S中带标签WSI的张数; 所述标签表示为Y∈{0,1},当Y=1时表示乳腺癌前哨淋巴结发生转移;当Y=0时表示乳腺癌前哨淋巴结未发生转移; 所述预处理是指将训练数据集中带标签的WSI进行二值化处理,再划分为多个长宽一致的图像块,表示为:其中,表示第i张带标签WSI划分后的第n个图像块,|Xi|表示第i张带标签WSI划分为图像块的块数; 构建WSI分类模型,所述WSI分类模型包括特征提取器、原型聚类模块、特征融合模块及全连接层; 使用图像块集对特征提取器进行预训练,获得特征向量集,并固定特征提取器的参数; 所述特征提取器基于卷积神经网络构建,使用最大池化多示例学习方法进行预训练,将输入的图像块转换为特征向量,表示为: 其中,表示第i张带标签WSI划分后第n个图像块的特征向量,gθ表示预训练的特征提取器,参数为θ; 将图像块集输入特征提取器中获得特征向量集,表示为: 将特征向量集输入原型聚类模块中,通过聚类提取多个原型,具体为: 原型聚类模块使用AP聚类算法对任一WSI中图像块的特征向量进行聚类,得到第一阶段聚类中心: 其中,表示对Xi中图像块的特征向量进行AP聚类得到的第一阶段聚类中心集合,Mi表示第一阶段聚类中心的数量; 使用AP聚类算法对第一阶段聚类中心进行聚类,得到第二阶段聚类中心作为原型: 其中,表示对第一阶段聚类中心进行AP聚类得到的第二阶段聚类中心集合,M表示第二阶段聚类中心的数量; 所述AP聚类算法的相似性度量定义为: 其中,Sab表示图像块a与图像块b的特征之间的相似性度量值,λ为超参数,为图像块a的特征,为图像块b的特征,‖·‖F表示弗罗贝尼乌斯-范数; 对乳腺癌前哨淋巴结WSI划分图像块后输入固定参数的特征提取器中提取图像块特征;所述乳腺癌前哨淋巴结WSI表示为X;提取得到的图像块特征表示为 将图像块特征和原型输入特征融合模块进行匹配,生成软分配直方图,构造乳腺癌前哨淋巴结WSI的特征向量; 所述生成软分配直方图,具体为: 引入度量学习机制,使用可学习全连接层FC2将图像块特征映射到新的特征空间,通过余弦相似性来度量第n个图像块特征和第p个原型的相似性,公式为: 其中,表示相似性,W2为可学习全连接层FC2的参数,为W2的转置矩阵; 根据计算得到的相似性生成软分配直方图{hn}n,其中x轴表示原型,y轴表示相似性; 所述构造乳腺癌前哨淋巴结WSI的特征向量,具体为: 引入TOP-K选择机制,使用全连接层FC3为每个图像块特征分配一个分数rn来量化其与乳腺癌前哨淋巴结阳性的相关性,公式为: 其中,W3为可学习全连接层FC3的参数,为W3的转置矩阵; 按照降序对分数{rn}n进行排序,选择前K个最相关的图像块特征IK={n1,…,nK}; 使用选择池化来聚合K个最相关图像块特征的相似度分数,获得乳腺癌前哨淋巴结WSI的特征向量h=[h1,…,hM], 其中,M表示WSI特征向量的维度,hm表示WSI特征向量第m维的数值; 将乳腺癌前哨淋巴结WSI的特征向量送入全连接层获取WSI分类分数并进行转移判断。

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华南理工大学,其通讯地址为:510640 广东省广州市天河区五山路381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”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。