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 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 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 > 豪夫迈·罗氏有限公司E·克莱曼获国家专利权

豪夫迈·罗氏有限公司E·克莱曼获国家专利权

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!

龙图腾网获悉豪夫迈·罗氏有限公司申请的专利用于组织图像分类的多实例学习器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:CN114730463B

龙图腾网通过国家知识产权局官网在2025-07-04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:202080078832.9,技术领域涉及:G06V10/40;该发明授权用于组织图像分类的多实例学习器是由E·克莱曼;J·吉尔登布拉特;I·B·肖尔设计研发完成,并于2020-11-20向国家知识产权局提交的专利申请。

用于组织图像分类的多实例学习器在说明书摘要公布了:本发明涉及一种对组织图像进行分类方法。所述方法包括:‑接收102多个数字组织图像;‑将每个所接收的图像拆分104成一组图像块;‑针对所述块中的每个块,从所述块中提取106特征向量;‑提供108多实例学习MIL程序,所述多实例学习程序被配置为使用模型来基于从任何图像的所有块中提取的特征向量将所述输入图像分类为至少两个不同类别中的一个类别的成员;‑针对所述块中的每个块,计算110确定性值,所述确定性值指示所述模型关于所述块的特征向量对所述图像的分类的贡献的确定性;‑针对所述图像中的每个图像,通过所述MIL程序使用114基于确定性值的池化函数以作为所述图像的所述块的确定性值的函数来将所述图像的特征向量或从所述图像的所述特征向量计算出的预测值聚合成聚合的预测值;以及‑将所述图像中的每个图像基于所述聚合的预测值分类116为所述类别中的一个类别的成员。

本发明授权用于组织图像分类的多实例学习器在权利要求书中公布了:1.一种用于对组织图像进行分类的方法,所述方法包括: -通过图像分析系统接收多个数字图像,所述数字图像中的每个数字图像描绘患者的组织样品; -通过所述图像分析系统将每个所接收的图像拆分成一组图像块; -针对所述块中的每个块,通过所述图像分析系统,计算特征向量,所述特征向量包含从所述块中选择性地提取的图像特征; -提供多实例学习MIL程序,所述多实例学习程序被配置为使用模型来基于从任何输入图像的所有块中提取的特征向量将所述输入图像分类为至少两个不同类别中的一个类别的成员,其中所述MIL程序为神经网络; -针对所述块中的每个块,计算确定性值,所述确定性值指示所述模型关于所述块的特征向量对从中导出所述块的图像的分类的贡献的确定性,其中在所述神经网络的模型的测试时使用丢弃技术计算所述确定性值,所述确定性值不是指示特征向量相对于分类结果的相关度的“注意力权重”的参数; -针对所述图像中的每个图像: ·通过所述MIL程序使用基于确定性值的池化函数以作为所述图像的所述块的确定性值221的函数来将从所述图像中提取的特征向量聚合成全局特征向量,并且从所述全局特征向量计算聚合的预测值;或 ·通过所述MIL程序从所述图像的所述特征向量中的每个特征向量计算预测值,并且通过所述MIL程序使用基于确定性值的池化函数以作为所述图像的所述块的确性值的函数来将所述图像的所述预测值聚合成聚合的预测值;以及 -通过所述MIL程序将所述图像中的每个图像基于所述聚合的预测值分类为所述至少两个不同类别中的一个类别的成员。

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豪夫迈·罗氏有限公司,其通讯地址为:瑞士巴塞尔;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。