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！

龙图腾网获悉浙江工业大学申请的专利基于双分支融合网络的病理图像伪影细粒度分类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：CN118968178B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202411129032.1，技术领域涉及：G06V10/764；该发明授权基于双分支融合网络的病理图像伪影细粒度分类方法是由丁维龙;邓戎戎;陈铮杰设计研发完成，并于2024-08-16向国家知识产权局提交的专利申请。

本基于双分支融合网络的病理图像伪影细粒度分类方法在说明书摘要公布了：一种基于双分支融合网络的病理图像伪影细粒度分类方法，包括以下步骤：步骤1：首先获取带有伪影的组织病理图像全切片WSI，并由病理医生对伪影区域进行专业标注，得到伪影区域的标注数据；步骤2：对WSI进行OTSU阈值分割操作，以区分图像中的前景和背景，并将标注区域中的前景图像分割成N×N像素的小图；步骤3：利用基于HSV的边缘检测模块对图像块中的裂缝特征进行强化，以突出伪影中裂缝特征；步骤4：对图像块进行数据增强；步骤5：进行初步特征提取和调整数据维度；步骤6：将数据输入到双分支网络中，通过分类处理得到最终的伪影细粒度分类结果。本发明实现对病理图像上的相似伪影进行细粒度分类，提高伪影识别精度。

本发明授权基于双分支融合网络的病理图像伪影细粒度分类方法在权利要求书中公布了：1.一种基于双分支融合网络的病理图像伪影细粒度分类方法，其特征在于，所述方法包括以下步骤： 步骤1：首先获取带有伪影的组织病理图像全切片WSI，并由病理医生对伪影区域进行专业标注，得到伪影区域的标注数据； 步骤2：对步骤1得到的WSI进行OTSU阈值分割操作，以区分图像中的前景和背景，并将标注区域中的前景图像分割成N×N像素的小图； 步骤3：利用基于HSV的边缘检测模块对步骤2得到的图像块中的裂缝特征进行强化，以突出伪影中裂缝特征； 步骤4：对步骤3得到的图像块进行数据增强，以增加模型的泛化能力并减少过拟合； 步骤5：对步骤4得到数据进行初步特征提取和调整数据维度，确保其能够适配并分别输入到两个处理分支中； 步骤6：将步骤5转换后的数据输入到双分支网络中，通过分类处理得到最终的伪影细粒度分类结果； 所述步骤6中，利用双分支网络结构同时捕捉图像的局部细节和全局上下文信息，并通过特征融合与交互提升模型的识别能力，过程如下： 步骤6.1：将经过步骤5处理得到的数据分别输入CNN分支和Transformer分支，这两个分支分别采用MobileNet和MG-former架构实现； 步骤6.2：在MobileNet分支和MG-former分支中各自进行特征提取，其中MG-former模块是在Transformer基础上进行优化的神经网络模块，由改进的前馈层MobileGLU和线性聚焦注意力构成； 步骤6.3：在MobileNet分支和MG-former分支独立进行特征学习的同时，通过FLCA模块实现双分支间的特征交互，FLCA模块接收两组输入特征：当FLCA是自上而下的第一个FLCA模块时，当前分支特征对应于MG-former分支的特征，而另一分支特征则对应于MobileNet分支的特征，每组特征首先经过批归一化处理；随后，当前分支特征分别通过线性投影WQ生成查询向量Q，另一分支通过线性投影WK、WV生成键向量K和值向量V，然后对Q和K应用聚焦相似度F计算得注意力权重，其中聚焦相似度计算过程如公式1所示，公式2中x**p是对x中每个元素进行p次幂操作，聚焦函数fp可以帮助注意力集中在相似的特征上，特征在映射前后的范数相同，即||x||=||fpx||，表示该函数仅调整了特征方向；接着将得到的注意力权重与V按元素相乘，再与经过深度卷积DWC处理后的Q进行逐元素相加，生成更新后的当前分支特征； ,1 其中，,2 步骤6.4：最终，将两个分支的特征进行融合，以生成综合特征向量，并据此输出最终的分类结果。

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浙江工业大学，其通讯地址为：310014 浙江省杭州市拱墅区朝晖六区潮王路18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。