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！

龙图腾网获悉清华大学申请的专利一种基于在线学习的病理切片图像分析方法及装置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：CN119648627B 。

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：202411571635.7，技术领域涉及：G06T7/00；该发明授权一种基于在线学习的病理切片图像分析方法及装置是由师丽;王星童;张晓藤;刘宇航;苍岳洋设计研发完成，并于2024-11-06向国家知识产权局提交的专利申请。

本一种基于在线学习的病理切片图像分析方法及装置在说明书摘要公布了：本发明提出一种基于在线学习的病理切片图像分析方法及装置，属于计算机视觉、医学图像分析领域。所述方法包括：将病理切片图像输入当前病理切片分析模型后得到病理切片病灶分割结果并识别，从整体识别效果不佳的结果中选取识别效果较好区域进行修正，将修正部分在对应病理切片图像中的局部图像与修正后的分割结果组成在线学习样本；对当前病理切片分析模型进行在线学习，得到更新后的病理切片分析模型；对更新前后的模型加权融合，得到新的当前病理切片分析模型，进而生成病理切片图像最终的病理切片病灶分割结果。本发明利用使用过程中的反馈和实际数据，对离线训练完毕的病理切片分析模型进行实时再训练和优化，提高其识别准确性和稳定性。

本发明授权一种基于在线学习的病理切片图像分析方法及装置在权利要求书中公布了：1.一种基于在线学习的病理切片图像分析方法，其特征在于，包括： 将新获取的病理切片图像输入当前病理切片分析模型，所述模型输出该图像的病理切片病灶分割结果； 对所述病理切片病灶分割结果进行识别，其中从整体识别效果不佳的所述病理切片病灶分割结果中选取识别效果较好的区域并进行修正，然后将修正部分在对应病理切片图像中的局部图像与修正后的分割结果组成在线学习样本； 利用所述在线学习样本对所述当前病理切片分析模型进行在线学习，得到更新后的病理切片分析模型； 对所述当前病理切片分析模型和所述更新后的病理切片分析模型进行加权融合，得到新的所述当前病理切片分析模型； 利用新的所述当前病理切片分析模型，生成待分析病理切片图像的病理切片病灶分割结果； 其中，所述利用所述在线学习样本对所述当前病理切片分析模型进行在线学习，得到更新后的病理切片分析模型，包括： 将一个批次的在线学习样本即为记为Dnew，计算各样本中每个标注区域的置信度，其中一个在线学习样本中局部图像的每一个标注区域的置信度计算表达式如下： 其中，i为当前局部图像中的标注区域索引，yi,c为第i个标注区域的真实标签，为第i个标注区域的预测标签，C为病灶类别总数，c为病灶类别索引； 在计算置信度后，将Dnew中的局部图像与对应的由当前病理切片分析模型输出的病灶标签图像记为其中xi为第i张病理切片局部图像，yi为对应病灶标签图像，n为样本数量；将Dnew中的局部图像再次输入当前病理切片分析模型中进行前向传播，得到输出结果使用交叉熵损失函数计算预测结果与真实标签之间的误差，损失函数计算表达式如下： 基于损失函数的计算结果进行反向传播与模型权重更新，其中采用小批量随机梯度下降法更新模型权重，权重更新计算表达式如下： 其中，θt为权重更新之前的模型参数，θt+1为经过一次权重更新后的模型参数，η为学习率； 分别保存每轮次训练得到的模型，当在线学习达到预设的训练轮次数时，使用每轮次训练后保存的模型对当前识别效果不佳的病理切片图像进行再次识别，若识别效果达到预设的要求，则保留所述每轮次训练得到的模型为更新后的病理切片分析模型。

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清华大学，其通讯地址为：100084 北京市海淀区清华园1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。