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！

龙图腾网获悉哈尔滨工业大学申请的专利一种基于在线伪监督与动态互学的病理图像分类方法及系统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：CN119068259B 。

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：202411211635.6，技术领域涉及：G06V10/764；该发明授权一种基于在线伪监督与动态互学的病理图像分类方法及系统是由姚鸿勋;郑停停;江奎设计研发完成，并于2024-08-30向国家知识产权局提交的专利申请。

本一种基于在线伪监督与动态互学的病理图像分类方法及系统在说明书摘要公布了：本发明公开了一种基于在线伪监督与动态互学的病理图像分类方法及系统，为实现判别性和紧凑的表示，设计自适应存储库AMB收集当前WSI中最有信息量的组成部分，并制定自我进步的特征融合SPFF模块，将AMB中的标签相关历史信息和即时语义变化进行整合，以增强当前伪包标记表示；设计决策修正伪标签DRPL生成模块，以探索伪包表示和包标签预测之间的内在联系，从而生成更可靠的伪标签；为缓解冗余和模糊的表示，借用了伪标签预测的类别先验，以促进标签相关的特征学习并更新AMB，从而形成特征表示和伪标签生成之间的动态互学习与优化；开发动态决策DDM模块，以协调包信息的显性和隐性表示，从而实现更稳健的决策。

本发明授权一种基于在线伪监督与动态互学的病理图像分类方法及系统在权利要求书中公布了：1.一种基于在线伪监督与动态互学的病理图像分类系统，其特征在于所述系统包括组织病理图像提取实例和实例特征提取模块、自我进步的特征融合SPFF模块、显式和隐式表征学习EIRL模块、决策修正伪标签DRPL生成模块和动态决策DDM模块，其中： 所述组织病理图像提取实例和实例特征提取模块负责组织病理图像实例提取、实例特征编码； 所述SPFF模块包括Transformer模块、自适应记忆库AMB、多层次特征融合MLFF模块、基于记忆库交叉注意力MCA模块和伪标签预测模块，其中： 所述Transformer模块由多头自注意模块和残差连接组成，在t时刻，随机采样一组实例对应的特征向量集合，M表示采样伪包中包含M个实例特征向量，表示输入图像动态交互采样M大小的伪包执行次数，表示第个实例，是第个实例对应的特征向量，对于采样的，设计一个Token位置向量来学习伪包中的空间位置信息；随机初始化一个Token向量结合Transformer模块提取中实例特征的局部上下文信息进入Token中，上述过程表述为： ； 所述AMB用来存贮标签最相关的特征表达，对于t时刻的AMB符号表示为，t-1时刻的AMB符号表示为，AMB以t-1时刻预测的增强后的伪包Token和对应预测的伪标签概率作为输入，重新排列以保存关键的K个Token及其对应的伪标签概率： 式中，表示存储的第k个Token，表示对应的伪标签概率； 所述MLFF模块使用作为类别语义丰富的提示，以将字典中存储的Token精炼成包含更多标签相关特征的Token，为了进一步突出关键贡献，使用Softmax函数把中的特征归一化到0-1，用于强化中最显著的特征，然后将量化为最佳标记，以获得显著性权重，随后，被用于将分散的判别性表达从和聚合到更判别性的特征，这些操作表达为： 所述MCA模块对AMB中的特征和MLFF模块细化后的特征执行拼接操作，并且映射为Key和Value，定义为Query，通过以下公式使得从K和V中提取显著性信息，增强当前的伪包Token特征表达为： 所述伪标签预测模块为由一个线性层和Softmax激活函数层构建的多层感知机，用来预测对应的伪标签概率，该过程描述为： 所述EIRL模块包括线性注意LAM模块、多头自注意MSA模块、决策修正伪标签DRPL生成模块、显式包标签预测模块和隐式包标签预测模块，其中： 所述LAM模块用来探索伪包标记与显式包特征表达之间的单连接关系，使用线性注意力分数表达，具体而言，首先经过一个线性层Linear和一个Softmax激活函数获得注意力权重，随后使用对进行权重加权求和，获得显式包特征表达，上述过程表示为： 式中，表示权重和向量加权求和操作； 所述MSA模块配备了一个初始化类标记来探索伪包标记与隐式包特征表达之间的多连接和交叉关系，使用多头注意力分数表示，具体而言，首先拼接为一个特征图，经过线性变换为Query、Key和Value，并且分割成多头表示，Query和Key计算注意力得分与Value相乘提取特征，并融合到Query中，该过程描述为： ； ； 其中，、、、是线性变换矩阵，把查询、键和值分割成 多头表示，Head表示多头的数量，代表每个头的维度，表示权重和向量加权求和操 作； 所述显式包标签预测模块和隐式包标签预测模块为由一个线性层和Softmax激活函数层构建的多层感知机和，LAM模块和MSA模块输出的显式包特征表达和隐式包特征表达被分别传递进入和，和被用来预测和的包标签概率和，该过程描述为： 所述DRPL生成模块用于探索伪袋表征与袋标签预测之间的潜在关系，为正包中的生成伪标签，否则，将被设置为负标签0； 所述DDM模块用来预测包标签，首先使用和来提炼和中依赖于预测的属性，然后经过一个线性层和Softmax激活函数以获得精确的显式权重和隐式权重，最后整合和，以获得最终的包标签预测，该过程描述为： 。

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哈尔滨工业大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92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。