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！

龙图腾网获悉三六三医院申请的专利基于深度学习的循环肿瘤细胞识别模型训练方法及系统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：CN120107724B 。

龙图腾网通过国家知识产权局官网在2025-08-05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：202510586266.7，技术领域涉及：G06V10/774；该发明授权基于深度学习的循环肿瘤细胞识别模型训练方法及系统是由李广权;向章朋;刘萍;肖灵设计研发完成，并于2025-05-08向国家知识产权局提交的专利申请。

本基于深度学习的循环肿瘤细胞识别模型训练方法及系统在说明书摘要公布了：本发明提供一种基于深度学习的循环肿瘤细胞识别模型训练方法及系统，通过获取循环肿瘤细胞的多通道病理样本图像集合，对多通道病理样本图像进行跨模态特征提取，生成包含细胞形态学特征和微环境特征的融合特征向量，构建具有多阶段训练策略的深度卷积网络，采用分层交叉验证机制对训练过程中的深度卷积网络的网络参数进行验证调整，最后基于验证调整后的网络参数生成最终识别模型，最终识别模型被配置为接收临床病理图像流并输出循环肿瘤细胞的定位坐标及分类置信度。本发明可以使循环肿瘤细胞识别结果既符合细胞空间分布规律又具备临床病理诊断可解释性，克服了传统方法因忽略微环境交互作用导致的假阳性率高、细胞亚型区分度不足的问题。

本发明授权基于深度学习的循环肿瘤细胞识别模型训练方法及系统在权利要求书中公布了：1.一种基于深度学习的循环肿瘤细胞识别模型训练方法，其特征在于，所述方法包括： 获取循环肿瘤细胞的多通道病理样本图像集合，所述多通道病理样本图像集合包含不同染色剂处理的细胞显微图像，每个样本图像携带对应的细胞类型标注信息； 对所述多通道病理样本图像进行跨模态特征提取，生成包含细胞形态学特征和微环境特征的融合特征向量，其中所述微环境特征包括基质成分分布特征和免疫细胞浸润特征； 构建具有多阶段训练策略的深度卷积网络，其中，第一阶段采用跨通道特征注意力机制优化卷积核参数，第二阶段通过对抗性样本生成增强特征判别性，第三阶段采用知识蒸馏压缩网络规模； 采用分层交叉验证机制对训练过程中的所述深度卷积网络的网络参数进行验证调整，其中，所述分层交叉验证机制根据细胞类型标注信息对应的生物学特性划分为多个验证子集，基于各验证子集的分类误差调整所述网络参数； 基于验证调整后的网络参数生成最终识别模型，所述最终识别模型被配置为接收临床病理图像流并输出循环肿瘤细胞的定位坐标及分类置信度； 其中，所述对所述多通道病理样本图像进行跨模态特征提取，生成包含细胞形态学特征和微环境特征的融合特征向量，包括： 对所述多通道病理样本图像执行超像素分割操作，生成覆盖细胞核区域、细胞质区域及细胞外基质的结构数据，所述结构数据包含各区域的细胞核形态参数、细胞膜曲率参数及细胞外基质分布参数； 基于所述结构数据执行双分支特征提取，其中第一分支通过几何拓扑分析提取细胞核异型性指数和细胞间连接紧密度指标作为细胞形态学特征，第二分支通过空间频率变换提取基质纤维走向特征和免疫细胞聚集密度作为微环境特征； 将所述细胞形态学特征与微环境特征输入跨模态对齐模块，所述模块通过计算两类特征在空间坐标系下的位置相关性生成特征对齐矩阵，所述矩阵中每个元素表征细胞形态学特征与对应空间位置微环境特征的匹配程度； 采用多层级特征交互机制处理所述特征对齐矩阵，其中初级交互层通过卷积操作捕获局部区域内的形态-微环境关联模式，高级交互层通过自注意力机制建立跨区域的特征依赖关系； 对交互处理后的特征执行动态门控融合，生成包含细胞核层级形态特征、细胞间连接形态特征、基质成分微环境特征及免疫浸润微环境特征的四维特征张量； 将所述四维特征张量输入压缩激励网络，通过通道注意力机制强化对诊断敏感的形态学与微环境特征通道，抑制冗余特征通道，最终输出维度压缩后的融合特征向量。

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三六三医院，其通讯地址为：610041 四川省成都市武侯区倒桑树街108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”。