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！

龙图腾网获悉青岛大学附属医院;桂林电子科技大学申请的专利一种基于深度学习的病理图像批次效应优化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：CN120013783B 。

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：202510091420.3，技术领域涉及：G06T5/60；该发明授权一种基于深度学习的病理图像批次效应优化方法及系统是由王鹤翔;涂鹏智;郝大鹏;牛海涛;刘振丙设计研发完成，并于2025-01-21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病理图像批次效应优化方法及系统在说明书摘要公布了：本发明公开了一种基于深度学习的病理图像批次效应优化方法及系统，该方法包括：获取病理样本图像并进行图像预处理，得到待处理的多中心病理图像数据；引入批次鉴别器训练模块与批次对抗模块，构建批次效应优化神经网络模型；基于批次效应优化神经网络模型对待处理的多中心病理图像数据进行病理图像批次效应优化处理，得到优化后的多中心病理图像数据。通过使用本发明，能够减弱多中心病理图像数据的批次效应，进而提高模型对多个中心数据的适应性和预测准确性。本发明作为一种基于深度学习的病理图像批次效应优化方法及系统，可广泛应用于图像识别技术领域。

本发明授权一种基于深度学习的病理图像批次效应优化方法及系统在权利要求书中公布了：1.一种基于深度学习的病理图像批次效应优化方法，其特征在于，包括以下步骤： 获取病理样本图像并进行图像预处理，得到待处理的多中心病理图像数据； 引入批次鉴别器训练模块与批次对抗模块，构建批次效应优化神经网络模型； 所述批次效应优化神经网络模型包括数据处理模块、批次鉴别器训练模块与批次对抗模块，所述数据处理模块的第一输出端与所述批次鉴别器训练模块的第一输入端连接，所述数据处理模块的第二输出端与所述批次对抗模块的第一输入端连接，所述批次鉴别器训练模块的输出端与所述批次对抗模块的第二输入端连接，所述批次对抗模块的输出端与所述批次鉴别器训练模块的第二输入端连接； 根据待处理的多中心病理图像数据确定批次训练标签； 将待处理的多中心病理图像数据与批次训练标签输入至批次效应优化神经网络模型； 基于批次效应优化神经网络模型的数据处理模块，对待处理的多中心病理图像数据进行切片与特征提取处理，得到多中心病理图像特征向量数据； 将多中心病理图像特征向量数据与批次训练标签输入至基于批次效应优化神经网络模型的批次鉴别器训练模块，所述批次鉴别器训练模块包括第一线性变换层、第一非线性变换层、第二线性变换层与第二非线性变换层； 基于批次鉴别器训练模块的第一线性变换层，对多中心病理图像特征向量数据进行特征维度减半处理，得到线性变换后的多中心病理图像特征向量数据； 基于批次鉴别器训练模块的第一非线性变换层，对线性变换后的多中心病理图像特征向量数据进行非线性变换，得到非线性变换后的多中心病理图像特征向量数据； 基于批次鉴别器训练模块的第二线性变换层，对非线性变换后的多中心病理图像特征向量数据进行线性变换处理，得到多中心病理图像批次预测概率； 基于批次鉴别器训练模块的第二非线性变换层，对多中心病理图像批次预测概率与批次训练标签进行非线性变换与置信度转换，得到多中心病理图像批次预测概率值； 将批次训练标签进行取反处理，得到取反后的批次训练标签； 将取反后的批次训练标签与多中心病理图像批次预测概率值输入至基于批次效应优化神经网络模型的批次对抗模块进行批次对抗损失计算，得到多中心病理图像批次损失值； 根据多中心病理图像批次损失值通过反向传播更新批次鉴别器训练模块，得到更新后的批次鉴别器训练模块； 基于更新后的批次鉴别器训练模块，输出优化后的多中心病理图像数据。

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青岛大学附属医院;桂林电子科技大学，其通讯地址为：266000 山东省青岛市江苏路16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。