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一种基于非对称训练的病理组织图像亚型分类与注释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：CN117036782B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202310883091.7，技术领域涉及：G06V10/764；该发明授权一种基于非对称训练的病理组织图像亚型分类与注释方法是由李钟毓;杨子奇;王星光;李超群;祝继华设计研发完成，并于2023-07-18向国家知识产权局提交的专利申请。

本一种基于非对称训练的病理组织图像亚型分类与注释方法在说明书摘要公布了：本发明公开了一种基于非对称训练的病理组织图像亚型分类与注释方法，包括：获取待分类的病理组织图像数据，对待分类的病理组织图像数据进行预处理，得到新的数据集；构建基于CNN和DeepGCN的非对称协同训练框架深度学习模型，然后进行训练，得到分类效果最好的深度学习模型；DeepGCN采用残差密集连接构建；将新的数据集输入到分类效果最好的深度学习模型中，输出病理组织图像的癌症亚型所属分类，得到病理数据的补丁图像所属癌症亚型分类结果。本发明能实现像素级和细胞级特征的综合利用，可提高多类组织病理学图像分类的性能和注释区域的可解释性，分类性能更高，可解释性更强，泛化性更好。

本发明授权一种基于非对称训练的病理组织图像亚型分类与注释方法在权利要求书中公布了：1.一种基于非对称训练的病理组织图像亚型分类与注释方法，其特征在于，包括以下步骤： 获取待分类的病理组织图像数据，对待分类的病理组织图像数据进行预处理，得到新的数据集； 构建基于CNN和DeepGCN的非对称协同训练框架深度学习模型，然后进行训练，得到分类效果最好的深度学习模型；DeepGCN采用残差密集连接构建； 将新的数据集输入到分类效果最好的深度学习模型中，输出病理组织图像的癌症亚型所属分类，得到病理数据的补丁图像所属癌症亚型分类结果； 采用特征归因注释方法根据病理组织图像分类结果生成类激活注释热力图，获取注释区域； 基于CNN和DeepGCN的非对称协同训练框架深度学习模型包括CNN模型、DeepGCN模块以及非对称协同训练模块； CNN模型，用于根据预处理后的病理组织图像提取像素级特征，并输出给非对称协同训练模块； DeepGCN模型，用于对根据预处理后的病理组织图像处理，得到细胞图，根据细胞图提取细胞级特征，并输出给非对称协同训练模块； 非对称协同训练模块，用于对CNN模型和DeepGCN模型进行协同训练，实现像素级和细胞级特征的综合利用和动态交互； 细胞图通过以下过程得到：对根据预处理后的病理组织图像进行细胞分割，得到补丁图像的掩码图，对补丁图像的掩码图提取节点特征和邻接矩阵，得到细胞图； 对根据预处理后的病理组织图像通过无监督域自适应细胞分割网络进行细胞分割，得到补丁图像的掩码图； 注释区域具体通过以下过程得到：通过计算目标得到卷积层每个通道的梯度，根据每个通道的梯度为指定卷积层的每个通道分配权重；然后，通过指定层中每个通道的前向激活的分配权重组合来计算输入元素的重要性，得到注释区域；其中指定层为非对称协同训练框架中CNN模型的最后一层。

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。