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！

龙图腾网获悉万达信息股份有限公司;上海爱可及医疗科技有限公司申请的专利一种基于空间位置信息的免标注病理图像特征提取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：CN115439843B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202111454090.8，技术领域涉及：G06V20/69；该发明授权一种基于空间位置信息的免标注病理图像特征提取方法是由张敬谊;张伯强;佘盼;王瑜;陆长青;刘译聪设计研发完成，并于2021-12-01向国家知识产权局提交的专利申请。

本一种基于空间位置信息的免标注病理图像特征提取方法在说明书摘要公布了：本发明公开了一种基于空间位置信息的免标注病理图像特征提取方法，无需人工标注病灶，借助自监督算法，利用不同病理图像块的空间位置、缩放倍率等信息构建数据集及标签，训练相关模型从而完成对病理图像特征的提取以及后续任务。本发明与现有的基于监督、弱监督的深度学习算法相比更易实现，本发明一方面利用自监督学习的方式，利用空间位置信息自动构建相似\差异数据对，无需人工标注，极大降低了数据集获取难度，节省了大量成本。另一方面，本发明构建了一种新颖的训练框架，充分利用不同数据的相似\差异程度自动训练特征提取模型，且对特征提取模型本身无特定结构要求，使得本发明有极好的兼容性，容易实现且可根据不同任务更换具体网络。

本发明授权一种基于空间位置信息的免标注病理图像特征提取方法在权利要求书中公布了：1.一种基于空间位置信息的免标注病理图像特征提取方法，其特征在于，包括以下步骤： 步骤S101：构建自监督前置任务模块，生成基于空间位置关系的训练数据集，包括以下步骤： 步骤S101-1：获取原始病理图像集合； 步骤S101-2：对原始病理图像集合在不同分辨率、不同起始坐标进行重叠切图，形成图像块集合，计作x，则有x＝{x1,x2,…,xN}，xN表示图像块集合中的第N个图像块； 步骤S101-3：记录各图像块的空间位置信息，形成图像块信息向量，所有图像块信息向量组成图像块信息向量集合，计作i，则有i＝{i1,i2,…,iN}，iN表示第N个图像块的图像块信息向量， 步骤S101-4：分析图像空间关系，定义相似数据对生成规则、差异数据对生成规则，构建数据集，其中：若两张图块空间位置相邻、相交或包含，则定义这两张图块构成相似数据对，其他情况下，两张图块为差异数据对； 相似数据对生成规则以及差异数据对生成规则的规则函数定义如下： 式1中，ii∈i、ij∈i，为第i个图像块的图像块信息向量以及第j个图像块的图像块信息向量；函数flii,ij表示同一原始病理图像、同一缩放倍率下，判断第i个图像块与第j个图像块是否相邻或者相交；函数fsii,ij表示同一原始病理图像、不同缩放倍率下，判断第i个图像块与第j个图像块是否包含；函数foii,ij表示判断第i个图像块与第j个图像块是否来自同一源； 步骤S102：构建自监督学习框架，并训练模型： 自监督学习框架的原始输入为步骤S101获得的数据对，即成对图像，分别记为a和b，若a和b为相似数据对，则标签记为Y＝1，若a和b为差异数据对，则标签记为Y＝0，则自监督学习框架对图像a和图像b做如下处理： 对图像a和图像b做随机数据增强，增强后的图像记为ai和bi； 将图像a输入深度神经网络gθ中进行特征提取，得到特征表示F0，该特征表示F0可用于后续各类任务； 共享深度神经网络gθ权重，去除梯度，得到深度神经网络g′θ； 将图像b、图像a′和图像b′输入深度神经网络g′θ分别得到对应的特征表示，记为F1、F2和F3； 将特征F0输入特征投射网络pθ中进行特征降维投射，得到特征F0的二维投影向量E0； 共享特征投射网络pθ权重，去除梯度，得到特征投射网络p′θ； 将特征F1、F2和F3输入特征投射网络p′θ分别得到对应的二维投影向量E1、E2和E3； 分别计算二维投影向量E0与二维投影向量E1、二维投影向量E0与二维投影向量E2以及二维投影向量E0与二维投影向量E3的相似度，其中，二维投影向量E0与二维投影向量E1作为相似图像计算损失，整体图像相似度损失函数定义如下： 式2中，N是参与当次训练的原始图像、增强图像总和； 其他则与标签Y建立两两图像相似度损失函数，两两图像相似度损失函数定义如下： 式3中，i＝2,3；是E0与Ei的相似度度量算法； 相似度度量算法定义为二维投影向量E0与二维投影向量Ei在二维投影向量空间的余弦距离，相似则的值趋近于1，差异则值趋近于-1；当Y＝1时，尽量缩小以取得最大相似度；当Y＝0时，尽量缩小以取得最大差异度； 最后仅对深度神经网络gθ和特征投射网络pθ进行优化和梯度回传，迭代训练至模型达到预期效果； 步骤S103：对输入病理图像进行预处理，获得病理图块； 步骤S104：将步骤S103所得病理图块，送入步骤S102所得深度神经网络gθ中进行预测，得到特征表示F0，并将该特征表示用于后续各类任务。

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万达信息股份有限公司;上海爱可及医疗科技有限公司，其通讯地址为：200233 上海市徐汇区桂平路481号20号楼5层；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。