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！

龙图腾网获悉咸阳市中心医院申请的专利一种基于IV-OCT图像的巨噬细胞识别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：CN120047943B 。

龙图腾网通过国家知识产权局官网在2025-08-12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：202510520000.2，技术领域涉及：G06V20/69；该发明授权一种基于IV-OCT图像的巨噬细胞识别方法及系统是由樊刚;屈子涵;左红;刘强;徐晓峰;樊川民;朱海云;周伟;石晓辉;侯文兵设计研发完成，并于2025-04-24向国家知识产权局提交的专利申请。

本一种基于IV-OCT图像的巨噬细胞识别方法及系统在说明书摘要公布了：本发明公开了一种基于IV‑OCT图像的巨噬细胞识别方法及系统，方法包括多模态预处理、动态特征增强、混合深度学习、自适应阈值优化和巨噬细胞识别。本发明涉及巨噬细胞识别技术领域，具体是指一种基于IV‑OCT图像的巨噬细胞识别方法及系统，实现了对巨噬细胞更加稳定、准确的自动识别与定位，提高了识别的一致性与效率；采用结合自适应对比增强和双通道改进生成对抗网络的多模态图像增强方法进行多模态预处理；采用结合分区采样增强的归一标准差比值计算方法，进行动态特征增强；采用交叉注意力特征融合的分支特征提取网络，结合增强判别生成对抗网络，进行混合深度学习巨噬细胞图像分割。

本发明授权一种基于IV-OCT图像的巨噬细胞识别方法及系统在权利要求书中公布了：1.一种基于IV-OCT图像的巨噬细胞识别方法，其特征在于：该方法包括以下步骤： 步骤S1：多模态预处理，采用结合自适应对比增强和双通道改进生成对抗网络的多模态图像增强方法，进行多模态预处理，得到巨噬细胞特征增强图像数据； 步骤S2：动态特征增强，依据所述巨噬细胞特征增强图像数据，采用结合分区采样增强的归一标准差比值计算方法，进行动态特征增强，得到生物标志物映射图数据； 步骤S3：混合深度学习，依据所述巨噬细胞特征增强图像数据和所述生物标志物映射图数据，采用交叉注意力特征融合的分支特征提取网络，结合增强判别生成对抗网络，进行混合深度学习巨噬细胞图像分割，得到巨噬细胞分割特征数据，包括以下步骤：步骤S31：构建双分支特征提取网络；步骤S32：交叉注意力特征融合，通过门控加权机制将局部纹理特征图数据和全局特征图数据进行特征融合；步骤S33：判别增强对抗训练优化，具体为通过所述双分支特征提取网络和所述交叉注意力特征融合，构建得到交叉双分支图像分割子网，并将所述交叉双分支图像分割子网作为生成器，构建三尺度增强判别器，进行对抗生成训练，得到判别增强生成对抗子网；所述三尺度增强判别器，包括局部判别尺度、中尺度判别尺度和全局判别尺度；所述判别增强生成对抗子网，具体采用多尺度对抗损失函数进行优化训练；所述多尺度对抗损失函数，包括基本分割损失和尺度损失；所述尺度损失，包括局部判别尺度损失、中尺度判别尺度损失和全局判别尺度损失；所述基本分割损失，具体采用标准Dice损失和标准交叉熵损失的组合；所述尺度损失，具体采用标准对抗损失；步骤S34：混合深度学习模型训练，具体为通过所述构建双分支特征提取网络和所述交叉注意力特征融合，构建得到交叉双分支图像分割子网，并通过所述判别增强对抗训练优化，构建得到判别增强生成对抗子网，依据所述交叉双分支图像分割子网和所述判别增强生成对抗子网进行子网集成和混合深度学习模型训练，得到巨噬细胞分割模型ModelSEG；步骤S35：巨噬细胞分割，具体为依据所述生物标志物映射图数据，使用所述巨噬细胞分割模型ModelSEG，进行巨噬细胞分割，得到巨噬细胞分割特征数据； 步骤S4：自适应阈值优化，依据所述巨噬细胞分割特征数据，采用结合形态学修正的可微分最大类间方差阈值算法，进行自适应分割阈值优化，得到自适应修正识别数据； 步骤S5：巨噬细胞识别，得到巨噬细胞综合识别数据。

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咸阳市中心医院，其通讯地址为：712000 陕西省咸阳市渭城区人民东路78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”。