Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 佛山大学周建博获国家专利权

佛山大学周建博获国家专利权

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!

龙图腾网获悉佛山大学申请的专利无标记细胞活性检测方法、装置、计算机设备及存储介质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:CN120014633B

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:202510048101.4,技术领域涉及:G06V20/69;该发明授权无标记细胞活性检测方法、装置、计算机设备及存储介质是由周建博;王淑荣;马汉彬;彭成权设计研发完成,并于2025-01-13向国家知识产权局提交的专利申请。

无标记细胞活性检测方法、装置、计算机设备及存储介质在说明书摘要公布了:本申请涉及细胞活性检测技术领域,揭示了一种无标记细胞活性检测方法、装置、计算机设备及存储介质,所述方法包括:获取待检测明场细胞图像;基于所述待检测明场细胞图像以及训练好的深度学习模型进行细胞活性检测,得到所述待检测明场细胞图像的分类结果,其中,所述深度学习模型包括第一卷积模块、第二卷积模块、第三卷积模块、第四卷积模块、第一上采样层、第二上采样层、第三上采样层、第一拼接层、第二拼接层、第三拼接层、第一编码层、第二编码层、第三编码层,第一Jamba模型、第二Jamba模型、第三Jamba模型、第一检测头、第二检测头、第三检测头,能够通过训练好的深度学习模型分析待检测明场细胞图像,便可检测到图像中的每个细胞的活性。

本发明授权无标记细胞活性检测方法、装置、计算机设备及存储介质在权利要求书中公布了:1.一种无标记细胞活性检测方法,其特征在于,所述无标记细胞活性检测方法包括: 获取待检测明场细胞图像; 基于所述待检测明场细胞图像以及训练好的深度学习模型进行细胞活性检测,得到所述待检测明场细胞图像的分类结果,其中,所述深度学习模型包括第一卷积模块、第二卷积模块、第三卷积模块、第四卷积模块、第一上采样层、第二上采样层、第三上采样层、第一拼接层、第二拼接层、第三拼接层、第一编码层、第二编码层、第三编码层,第一Jamba模型、第二Jamba模型、第三Jamba模型、第一检测头、第二检测头、第三检测头; 所述基于所述待检测明场细胞图像以及训练好的深度学习模型进行细胞活性检测,得到所述待检测明场细胞图像的分类结果的步骤包括: 将所述待检测明场细胞图像输入至所述第一卷积模块中,得到第一特征;将所述第一特征输入至所述第二卷积模块中,得到第二特征;将所述第二特征输入至所述第三卷积模块中,得到第三特征;将所述第三特征输入至所述第四卷积模块中,得到第四特征; 第四特征输入至所述第三上采样层,得到第五特征,将所述第三特征与所述第五特征输入至所述第三拼接层中,得到第六特征; 第六特征输入至所述第二上采样层,得到第七特征,将所述第二特征与所述第七特征输入至所述第二拼接层中,得到第八特征; 第八特征输入至所述第一上采样层,得到第九特征,将所述第一特征与所述第九特征输入至所述第一拼接层中,得到第十特征; 将所述第十特征输入至依次连接的所述第一编码层、第一Jamba模型以及第一输出头,得到第一目标类别预测以及第一目标边界框预测; 将所述第八特征输入至依次连接的所述第二编码层、第二Jamba模型以及第二输出头,得到第二目标类别预测以及第二目标边界框预测; 将所述第六特征输入至依次连接的所述第三编码层、第三Jamba模型以及第三输出头,得到第三目标类别预测以及第三目标边界框预测; 采用双线性插值法,对所述第一目标类别预测、第一目标边界框预测、第二目标类别预测、第二目标边界框预测、第三目标类别预测、第三目标边界框预测进行处理,得到目标类别预测以及目标边界框预测; Jamba模型包括依次连接的Mamba层、MambaMoE层、Transformer层、MambaMoE层、Mamba层、MambaMoE层,每个MambaMoE层的输入还包括目标类别个数。

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佛山大学,其通讯地址为:528000 广东省佛山市江湾一路18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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。