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！

龙图腾网获悉西安交通大学申请的专利基于深度学习自动寻优的无标记细胞透射光显微图像虚拟染色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：CN115984631B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202310119955.8，技术领域涉及：G06V10/764；该发明授权基于深度学习自动寻优的无标记细胞透射光显微图像虚拟染色方法是由张帆;肖占峰;许夏瑜;徐峰设计研发完成，并于2023-02-15向国家知识产权局提交的专利申请。

本基于深度学习自动寻优的无标记细胞透射光显微图像虚拟染色方法在说明书摘要公布了：本发明公开了一种基于深度学习自动寻优的无标记细胞透射光显微图像虚拟染色方法。本发明进行了细胞透射光图像和荧光图像的数据的采集、使用基于泊松融合算法的数据增强方法对数据集进行扩充、使用参考细胞的预训练和基于目标细胞的微调，从而显著降低虚拟染色网络模型生成中对于目标细胞图像数据的量的需求。实验结果表明，本发明可以仅使用目标细胞的4组训练图像，有效实现对目标细胞透射光显微图像中细胞骨架和细胞核的虚拟染色。

本发明授权基于深度学习自动寻优的无标记细胞透射光显微图像虚拟染色方法在权利要求书中公布了：1.一种无标记细胞透射光显微图像虚拟染色方法，其特征在于：包括以下步骤： 1）利用细胞类型和或放大倍数不同的多组经亚细胞结构标记的参考细胞透射光成像图像分别构建源数据集，利用经亚细胞结构标记的目标细胞透射光成像图像构建目标数据集； 2）利用各组源数据集对备选深度卷积神经网络分别进行预训练，得到基于对应深度卷积神经网络的预训练模型，网络预训练权重参数与每组源数据集一一对应；利用经过源数据集训练的分类网络对目标数据集进行分类，得到目标数据集与源数据集的相似度匹配结果； 3）根据对预训练模型虚拟染色性能的测试结果，选择两个以上深度卷积神经网络，利用目标数据集并在加载与该数据集匹配的网络预训练权重参数的情况下对选择的深度卷积神经网络分别进行微调，得到基于对应深度卷积神经网络的虚拟染色网络模型； 4）利用虚拟染色网络模型对目标细胞透射光成像图像进行虚拟染色； 所述源数据集的构建具体包括以下步骤：对某一细胞类型的参考细胞进行染色，然后采集某一放大倍数的参考细胞透射光成像图像以及相应放大倍数的标记不同亚细胞结构的参考细胞荧光图像，并对该细胞类型和放大倍数的参考细胞透射光成像图像进行对比度增强，得到参考细胞训练集图像；所述目标数据集的构建具体包括以下步骤：对目标细胞进行染色，然后采集任意放大倍数的目标细胞透射光成像图像以及相应放大倍数的标记不同亚细胞结构的目标细胞荧光图像，并对该放大倍数的目标细胞透射光成像图像进行对比度增强，得到目标细胞训练集图像； 所述预训练以及微调中，对参考细胞训练集图像以及目标细胞训练集图像进行数据增强并对经过数据增强后的图像的大小进行适应性调整后再输入相应深度卷积神经网络；所述数据增强是指依据荧光图像中标记的细胞骨架，从参考细胞训练集图像以及目标细胞训练集图像中裁剪出一定比例的细胞图像块并在对这些细胞图像块采用图像增强操作处理后通过泊松融合算法或粘贴方式添加到背景图像中以生成数倍于参考细胞训练集图像以及目标细胞训练集图像的合成图像，从而使输入深度卷积神经网络的训练集图像的数量得到扩充，所述背景图像从参考细胞训练集图像以及目标细胞训练集图像中对应随机选择； 所述步骤4具体包括以下步骤：将两个虚拟染色网络模型输出的虚拟染色结果进行融合，然后通过可视化处理得到与目标细胞透射光成像图像对应的目标细胞虚拟染色图像。

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安交通大学，其通讯地址为：710049 陕西省西安市碑林区咸宁西路28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”。

以上内容由龙图腾AI智能生成。