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！

龙图腾网获悉福州大学申请的专利融合多个多尺度特征提取的病理切片图像分类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：CN115861638B 。

龙图腾网通过国家知识产权局官网在2025-08-15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：202210725977.4，技术领域涉及：G06V10/44；该发明授权融合多个多尺度特征提取的病理切片图像分类方法及系统是由李兰兰;陈孟铌;王大彪;耿艺设计研发完成，并于2022-06-24向国家知识产权局提交的专利申请。

本融合多个多尺度特征提取的病理切片图像分类方法及系统在说明书摘要公布了：本发明涉及一种融合多个多尺度特征提取的病理切片图像分类方法及系统，该方法包括以下步骤：在训练过程，先对训练用的病理切片图像进行图像预处理，得到一个训练数据集，然后使用同一个训练数据集对三个基于多尺度特征提取的病理切片图像分类网络Net1、Net2、Net3进行训练，得到相应的三个训练好的模型model_1、model_2、model_3；在测试过程，对测试用的病理切片图像也进行图像预处理，得到测试数据集，然后利用三个训练好的模型对测试数据集进行预测，得到各自的分类值score1、score2、score3，然后结合权重对这三个值进行投票，得到最终的分类值scoref。该方法及系统有利于提高图像分类的准确性。

本发明授权融合多个多尺度特征提取的病理切片图像分类方法及系统在权利要求书中公布了：1.一种融合多个多尺度特征提取的病理切片图像分类方法，其特征在于，包括以下步骤： 在训练过程，先对训练用的病理切片图像进行图像预处理，得到一个训练数据集traindataset，然后使用同一个训练数据集对三个基于多尺度特征提取的病理切片图像分类网络Net1、Net2、Net3进行训练，得到相应的三个训练好的模型model_1、model_2、model_3； 在测试过程，对测试用的病理切片图像也进行图像预处理，得到测试数据集testdataset，然后利用三个训练好的模型model_1、model_2、model_3对测试数据集进行预测，得到各自的分类值score1、score2、score3，然后结合权重对这三个值进行投票，得到最终的分类值scoref； 所述三个基于多尺度特征提取的病理切片图像分类网络Net1、Net2、Net3为FPNINet、ResNetv2p、ASPPoolNet； 所述FPNINet网络中，输入图像经过FPN模块提取出不同尺度的4个特征结果，所述4个特征结果得到的特征图由浅到深、大小不一，浅层的特征图通过一个NIN网络层来减小特征图大小和提取图像特征，然后连接融合同样大小的上一层特征图，重复提取融合再上一层特征图的操作直到所有特征图都被融合；此时，网络的输出结果是所有特征图像的集合；将以上数据通过dropout层和HighwayNetwork进行处理，利用dropout层随机去掉部分信息值，通过HighwayNetwork提取特征信息，然后输入分类器，最后通过分类器进行分类； 所述ResNetv2p网络以ResNetv2结构为基础，在网络结构中插入CBAM注意力机制，以提升重要的通道信息和空间信息的权重；所述ResNetv2p网络将PyConv模块插入ResNetv2中代替残差分支上的一个卷积层，所述PyConv模块将图像特征分别输入四个大小不同的卷积核，然后将四个卷积核输出的不同深度的图像特征融合，通过ResNetv2网络输出结果； 所述ASPPoolNet网络包括4个使用了空洞卷积的ResNet网络层L1、L2、L3、L4和2个CBAM注意力机制模块，输入图像先经过一个初始化卷积层、L1网络层和CBAM注意力机制模块，然后分为两路，一路通过全局平均池化和上采样层提取出当前特征图的全局特征，一路通过L2、L3、L4网络层和ASPP模块，ASPP模块通过一个池化层将不同大小的空洞卷积提取的不同层次的特征融合在一张特征图上，然后和1×1卷积计算后的结果融合，再通过NIN网络层、CBAM注意力机制模块和池化层处理后，与另一路提取的全局特征融合起来，而后通过分类器输出最后结果。

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福州大学，其通讯地址为：350108 福建省福州市闽侯县福州大学城乌龙江北大道2号福州大学；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”。