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！

龙图腾网获悉中国科学技术大学申请的专利基于视觉语言大模型与提示学习的病理图像细胞分类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：CN119478937B 。

龙图腾网通过国家知识产权局官网在2025-11-18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：202411631977.3，技术领域涉及：G06V20/69；该发明授权基于视觉语言大模型与提示学习的病理图像细胞分类方法是由王明会;樊凯;吴艾秋;郑彬彬;张安莉;李骜设计研发完成，并于2024-11-15向国家知识产权局提交的专利申请。

本基于视觉语言大模型与提示学习的病理图像细胞分类方法在说明书摘要公布了：本发明公开了一种基于视觉语言大模型与提示学习的病理图像细胞分类方法，包括：利用实例感知提示学习模块、提示条件化模块、局部视觉文本匹配模块和图像编解码网络构建细胞分类框架，具体如下：在实例感知提示学习模块中，利用视觉语言大模型分别提取输入图像和文本的特征，以充分挖掘实例特异性信息，获得实例感知文本特征；将上述文本特征输入提示条件化模块以调制图像特征，同时还将其输入局部视觉文本匹配模块，用于加强与图像特征的语义关联；构建网络整体损失函数；使用优化器迭代训练分类网络。本发明解决了现有技术中存在因实例差异大导致的提示不完整以及细胞特征语义歧义的技术问题，从而能提高模型在多数据集的分类性能。

本发明授权基于视觉语言大模型与提示学习的病理图像细胞分类方法在权利要求书中公布了：1.一种基于视觉语言大模型与提示学习的病理图像细胞分类方法，其特征在于，包括如下步骤： 步骤1、获取带有标注的个病理图像数据集并进行标准化和归一化后，得到预处理后的个病理图像数据集；代表第个数据集所对应的预处理后的图像实例总数；将预处理后的第个病理图像数据集中的第张病理图像记作，对应的真实标注记作；且，其中，表示第个细胞中心坐标的真实标注，表示第个细胞类别的真实标注，且∈{1,2,…,K}；K表示细胞类别的总数；P表示所有类别的细胞总数，为中细胞类别的真实标注为的细胞总数； 获取所对应的实例提示； 获取个病理图像数据集中所有细胞类别相应的类别提示； 步骤2、构建基于视觉语言大模型与提示学习细胞分类网络，包括：实例感知的提示学习模块、提示条件化模块、局部视觉文本匹配模块和第个图像编解码网络； 步骤2.1、所述实例感知的提示学习模块根据、以及，得到的实例感知类别文本特征；其中，表示第k个细胞类别所对应的实例感知类别文本特征； 步骤2.2、第个图像编解码网络中的编码器对进行处理，得到的图像特征； 步骤2.3、所述提示条件化模块根据以及，得到的提示条件化图像特征； 步骤2.4、第个图像编解码网络中的解码器对进行处理，并获得局部细胞图像特征； 步骤2.5、第个图像编解码网络中的分类头对进行处理，生成的预测结果，包含：第个细胞的预测中心坐标以及第个细胞的预测类别；，表示预测细胞的总数； 步骤2.6、根据第个图像编解码网络对的预测结果，利用式1获得与真实细胞匹配的预测细胞的预测中心坐标以及类别： 1 式1中，表示线性求和分配函数；和分别代表第个图像编解码网络得到的第张图像中包含的第个与真实细胞匹配的预测细胞的预测中心坐标以及类别； 步骤3、构建损失函数： 步骤3.1、利用式2构建的分类损失： 2 式2中，表示平衡交叉熵损失函数；表示平均绝对误差损失函数； 步骤3.2、利用式3构建的匈牙利匹配损失： 3 式3中，表示第个图像编解码网络得到的第张图像的预测结果中第个未匹配预测细胞所对应的真实细胞类别；、和表示3个损失权重系数； 步骤3.3、所述局部视觉文本匹配模块利用式4构建第个数据集所对应的局部视觉文本匹配损失函数： 4 式4中，表示特征相似性度量函数，是温度参数； 步骤3.4、利用式5构建第个数据集所对应的整体损失： 5 式5中，，和分别为，和的权重系数； 步骤4、使用Adam优化器训练基于视觉语言大模型与提示学习的病理图像细胞分类网络，并以最小化为目标，对基于视觉语言大模型与提示学习的病理图像细胞分类网络进行迭代，经若干轮训练后选择最优的分类网络用于对图像中的细胞进行识别。

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中国科学技术大学，其通讯地址为：230026 安徽省合肥市包河区金寨路96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。