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！

龙图腾网获悉华南师范大学申请的专利一种基于深度学习的衰老细胞显微图像识别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：CN115457549B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202211148637.6，技术领域涉及：G06V20/69；该发明授权一种基于深度学习的衰老细胞显微图像识别方法是由陈同生;贺思琪设计研发完成，并于2022-09-21向国家知识产权局提交的专利申请。

本一种基于深度学习的衰老细胞显微图像识别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的衰老细胞显微图像识别方法，所述方法包括：将待识别多细胞图像分割成待识别单细胞图像，其中，所述待识别多细胞图像为明场图像类型和核通道图像类型其中之一；将待识别单细胞图像输入衰老细胞识别网络模型，得到衰老识别结果，其中，所述衰老细胞识别网络模型通过多种并联的分类网络模型提取特征。本发明采用端到端的方式，并通过深度学习方式构建基于显微图像的衰老细胞识别网络模型，实现了输入明场图像或核通道图像，输出对应图像的衰老细胞概率图以及衰老细胞占比。

本发明授权一种基于深度学习的衰老细胞显微图像识别方法在权利要求书中公布了：1.一种基于深度学习的衰老细胞显微图像识别方法，其特征在于，所述方法包括： 将待识别多细胞图像分割成待识别单细胞图像，其中，所述待识别多细胞图像为明场图像类型和核通道图像类型其中之一； 将待识别单细胞图像输入衰老细胞识别网络模型，得到衰老识别结果，其中，所述衰老细胞识别网络模型通过并联的多种分类网络模型提取特征，所述分类网络模型为三种，分别为第一分类网络模型、第二分类网络模型和第三分类网络模型；所述第一分类网络模型基于Resnet34进行构建；所述第二分类网络模型基于Resnext50进行构建；所述第三分类网络模型基于SwinTransformer进行构建； 所述衰老细胞识别网络模型的获取过程，具体包括： 利用数据集对多种分类网络模型进行多次训练，所述数据集包括多张单细胞明场图像或多张单细胞核通道图像； 采用voting算法对训练后的多种分类网络模型进行融合，进而得到多个融合网络模型； 若数据集由多张单细胞明场图像构成，则采用平均融合方式计算融合网络模型的识别准确率； 若数据集由多张单细胞核通道图像构成，则采用加权融合方式计算融合网络模型的识别准确率； 将表现最优的融合网络模型作为衰老细胞识别网络模型。

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华南师范大学，其通讯地址为：510631 广东省广州市天河区中山大道西55号华南师范大学；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。