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！

龙图腾网获悉宁波大学申请的专利一种基于深度学习方法评估单个CTC细胞活力的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：CN119180776B 。

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：202410980463.2，技术领域涉及：G06T7/00；该发明授权一种基于深度学习方法评估单个CTC细胞活力的方法是由杨祎垚;郭智勇;王照亮;郝婷婷;张青青设计研发完成，并于2024-07-22向国家知识产权局提交的专利申请。

本一种基于深度学习方法评估单个CTC细胞活力的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方法评估单个CTC细胞活力的方法，特点是包括步骤1将不同状态的CTC细胞初始图像数据经预处理得单个CTC细胞特征图像，构建与状态分类标签对应的数据集，每个状态的数据集随机分为训练集、验证集和测试集的步骤；2将训练集和验证集分别输入到EffficientNet‑B0模型进行活力区间判定训练，得到最优模型；3将训练集和验证集输入到YOLOv5s模型中进行单个CTC细胞定位和CTC细胞的活力值预测训练，得到最优模型；4将待测细胞图像数据分别输入最优的EffficientNet‑B0和YOLOv5s模型，计算获得单个CTC细胞活力值，优点是高效、快速且精确。

本发明授权一种基于深度学习方法评估单个CTC细胞活力的方法在权利要求书中公布了：1.一种基于深度学习方法评估单个CTC细胞活力的方法，其特征在于包括以下步骤： 1数据收集与图像预处理 采用荧光电子显微镜拍摄获取不同状态的CTC细胞初始图像数据，将CTC细胞初始图像采用细胞分割工具Cellpose处理细胞图像，勾勒出单个细胞形态轮廓，获得遮罩文件；将遮罩文件导入imageJ软件获取单个细胞坐标信息，将单个细胞坐标进行图像切割，获得单个CTC细胞特征图像，构建与状态分类标签对应的数据集，每个状态的数据集随机分为训练集、验证集和测试集； 2CTC细胞活力区间输出模型的优化 A.将步骤1得到的训练集和验证集输入到EfficientNet-B0模型进行100～75%、75～50%、50～25%、25～0%活力区间判定训练，得到最优的模型权重数据；将最优的模型权重数据加载到EfficientNet-B0模型； B.将步骤1得到的测试集输入到步骤2A得到的EfficientNet-B0模型进行图像分类性能检测，输出测试集中CTC图像的活力区间，若该测试集中CTC图像的预先设定活力值落在输出的活力区间内，则获得最优的EfficientNet-B0模型；若该测试集中CTC图像的预先设定活力值落在输出的活力区间外，则重复步骤2A，直到获得最优的EfficientNet-B0模型； 3CTC细胞定位与活力值预测模型的优化 A.将步骤1得到的训练集和验证集输入到YOLOv5s模型中进行单个CTC细胞在细胞图像中的定位和CTC细胞的活力值预测训练，得到最优的模型权重数据；将最优的模型权重数据加载到YOLOv5s模型； B.步骤1得到的将测试集输入到YOLOv5s模型进行图像分类性能检测，输出测试集中CTC细胞的位置和活力值，若该测试集中CTC细胞的预先设定活力值与输出的活力值相符，则获得最优的YOLOv5s模型；若该测试集中CTC细胞的预先设定活力值与输出的活力值不相符，则重复步骤3A，直到获得最优的YOLOv5s模型； 4单个CTC细胞活力评估 A.将含CTC细胞的待测样本采用荧光电子显微镜拍摄获取待测细胞图像数据，将待测细胞图像数据输入最优的EfficientNet-B0模型，输出CTC细胞的活力区间，上、下端值相应为v1和v2； B.将步骤4A获得的待测细胞图像数据输入最优的YOLOv5s模型，根据v1活力值的数据集输出检测概率P1，根据v2活力值的数据集输出检测概率P1，利用v1*P1+v2*P2计算获得单个CTC细胞活力值。

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宁波大学，其通讯地址为：315211 浙江省宁波市江北区风华路818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。