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！

龙图腾网获悉西北工业大学申请的专利一种基于点监督的组织病理学图像细胞核检测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：CN116883339B 。

龙图腾网通过国家知识产权局官网在2025-07-25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：202310787203.9，技术领域涉及：G06T7/00；该发明授权一种基于点监督的组织病理学图像细胞核检测方法是由姚洁茹;郑朝晖;韩军伟;张鼎文;丁进;郑钰辉;杨凯辉设计研发完成，并于2023-06-29向国家知识产权局提交的专利申请。

本一种基于点监督的组织病理学图像细胞核检测方法在说明书摘要公布了：本发明提供了一种基于点监督的组织病理学图像细胞核检测方法。采用点监督学习方式，首先，在像素级表示的基础上进行点标签与其周围区域之间的关系推理，确定哪些区域高质量的覆盖了整个实例；然后，采用深度学习框架构建密集细胞核检测网络并进行网络训练，训练时点标注和区域伪标注作为监督约束；最后，利用训练好的网络完成细胞核检测。本发明能够在组织病理学图像上学习大量细胞核与其相邻背景区域之间的关系，使网络在密集的细胞核场景下获得良好的检测性能，改善在具有类内异质性和细胞核重叠分布场景下的细胞核检测效果。

本发明授权一种基于点监督的组织病理学图像细胞核检测方法在权利要求书中公布了：1.一种基于点监督的组织病理学图像细胞核检测方法，其特征在于步骤如下： S1、给定组织病理学训练图像集，设训练图片中包含I个细胞核实例和其人工标注点标签，采用重叠切割的方式将训练图像集中的每幅原始图像切分成大小为250×250的切片，再采用最近邻插值的方法将每个切片分辨率调整为1000×1000，处理后得到的若干切片作为网络输入； S2、以每个切片包含的人工标注点标签作为顶点形成Delaunay三角网； S3、利用Delaunay三角网构建得到Voronoi图，将切片划分为若干封闭空间； S4、以步骤S1中获得的切片上的所有点标签作为初始聚类中心，采用K-mean法对切片图像中的像素点进行聚类处理，将所有像素划分为三个类别，分别记为前景类、背景类、不确定类； S5、对于步骤S3得到的封闭空间，寻找该空间中所有属于前景类的像素点的最大外接矩形框，以该矩形框作为该空间对应细胞核实例的粗略伪标签，所有粗略伪标签构成细胞核实例的粗略伪标签集； S6、将步骤S5得到的粗略伪标签与人工标注点标签一一比对，去除未包含人工标注点的冗余伪标签矩形框，并补充未检测到的人工标注点矩形框，得到精细化后的伪标签集； S7、对步骤S1中获得的切片预设M个不同宽高比、不同尺度的方形预定义区域，计算每个人工标注点标签与预定义区域中心点之间的欧几里得距离，选择距离最近的k个预定义区域作为该点标签的候选正区域，用来标识第m个预定义区域是否为第i个细胞核的候选正区域，如果是，则为1，否则为0；其中，M≥500，50≤k≤65，m＝1,2,…,M，i＝1,2,…,I； S8、计算步骤S6得到的每个细胞核的伪标签与步骤S7得到的该细胞核的所有候选正区域相重叠的面积，并计算所有重叠面积的均值v和标准差s，如果与候选正区域rm的重叠面积大于阈值th，则保留该候选正区域，且保持为1，否则，去除该区域，令为0；其中，阈值th＝v+s，m＝1,2,…,M，i＝1,2,…,I； S9、按照计算步骤S8得到的每个候选正区域的质量qm，其中，a是一个超参数，设定a＝19；如果为1，为细胞核i的点标签与候选正区域rm中心点之间的欧几里得距离，否则为0；|gm|为候选正区域rm的对角线长度；m＝1,2,…,M，i＝1,2,…,I； S10、构建的密集细胞核检测网络包括深度特征图生成模块和密集细胞核检测模块，其中，深度特征图生成模块采取Resnet50和Transformer两种Backbone和FPN作为Neck来生成深度特征图；密集细胞核检测模块包含三个并列分支，分别为分类分支、定位分支、区域质量回归分支，分类分支采用4个卷积层，输入为深度特征图，输出是分类得分，通道数是A*M，A是类别数，如果预定义区域内含有细胞核，则A＝1，否则A＝0；定位分支采用4个卷积层，输入为深度特征图，输出是定位得分，通道数是4*M；区域质量回归分支采用4个卷积层，输入为深度特征图，输出是区域质量得分； S11、将步骤S1处理得到的所有切片输入到密集细胞核检测网络进行网络训练，训练时设置网络的总损失为： 其中，Lpseudo表示由步骤S6得到的精细化后的伪标签监督下的损失，Lpoint表示由人工标注点标签监督下的损失； 所述的伪标签监督下的损失Lpseudo按下式计算： 其中，Lclass表示分类分支的损失，为检测网络预测的区域rm分类得分；ym为区域rm的类别标签，当区域rm存在细胞核时，ym设为1，否则ym＝0；Llocate表示定位分支的损失，为检测网络预测的区域rm定位得分，tm为区域rm的定位标签，即目标区域框的回归参数； 所述的点标签监督下的损失Lpoint按下式计算： 其中，Lquality表示区域质量回归分支的损失，为检测网络对区域rm预测的区域质量得分，qm为步骤S9计算得到的区域rm的质量； S12、将待检测的组织病理学图像输入到步骤S11训练好的密集细胞核检测网络，其中分类、定位分支共同的输出即为最终的检测结果，分别为细胞核的类别、位置。

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西北工业大学，其通讯地址为：710072 陕西省西安市友谊西路127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”。