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！

龙图腾网获悉北京理工大学;北京大学口腔医学院申请的专利一种基于高光谱图像组织分割方法和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：CN116704193B 。

龙图腾网通过国家知识产权局官网在2025-12-19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：202310833416.0，技术领域涉及：G06V10/26；该发明授权一种基于高光谱图像组织分割方法和系统是由李伟;张学雨;李庆祥;郭玉兴;黄竑远;张建运;郭传瑸设计研发完成，并于2023-07-07向国家知识产权局提交的专利申请。

本一种基于高光谱图像组织分割方法和系统在说明书摘要公布了：本发明公开了一种基于高光谱图像的组织分割方法和系统，包括：通过构建特征蒸馏网络和应用病理先验约束等方法，对高光谱组织图像进行精细分割，实现对细胞组织的准确分析。具体步骤包括数据集创建、训练数据扩充、特征蒸馏网络构建、模型训练及优化、测试集前向计算、病理先验约束计算、组织精分割。本发明的优点是：具有高精度、自适应性、结构简单、实用性强和可优化性等优点，能够被广泛应用于医学影像诊断、生物医学研究等领域。

本发明授权一种基于高光谱图像组织分割方法和系统在权利要求书中公布了：1.一种基于高光谱图像的组织分割方法，其特征在于，包括以下步骤： 步骤1，获取训练数据集； 获取高光谱组织数据建立数据集库，并对其进行标注，从中获对应高光谱图像的标签图，将高光谱图像和标签图一一对应，组成的集合作为训练数据集； 步骤2，扩充训练数据集； 对步骤1得到的训练数据集进行随机裁剪，并采用随机旋转和翻转的数据增量方式扩充训练数据集； 步骤3，构建特征蒸馏网络； 特征蒸馏网络由五个特征蒸馏模块和四个解码模块构成；特征蒸馏网络的输入图像经特征蒸馏模块A后得到中间特征图和,依次经过特征蒸馏模块B，特征蒸馏模块C，特征蒸馏模块D和特征蒸馏模块E，分别得到中间特征,，，，，，；将和作为解码模块A的输入，得到中间特征，和作为解码模块B的输入，得到中间特征，和作为解码模块C的输入，得到中间特征图，和经过解码模块D后，得到输出的粗分割结果图像，完成特征蒸馏网络的构建； 所述特征蒸馏模块包括：八个卷积单元、切分层、下采样层；特征蒸馏模块输入为，其中为整数，且，经过卷积单元A后得到中间特征图；连续经过卷积单元B，卷积单元C和卷积单元D之后，得到中间特征图；将输入到切分层中进行切分，得到两个子特征图和；连续经过卷积单元E，卷积单元F和卷积单元G之后，得到中间特征图；与通过维度拼接之后得到中间特征图，将和逐像素相加后，得到中间特征图；经过通道关注单元和卷积单元H后，得到中间特征；经过下采样层得到； 步骤4，训练模型； 将步骤2得到的扩充训练集数据输入到步骤3构建的特征蒸馏网络中，采用交叉熵损失函数作为优化目标进行训练，使用SGD优化器更新模型参数，直到损失不再下降，得到训练完成的组织分割模型； 步骤5，组织粗分割； 使用步骤4中训练得到的组织分割模型对测试集中的待测图像进行分割，得到组织粗分割结果； 步骤6，病理先验约束； 对组织分割训练集数据1中的所有病理标签图进行统计，遍历所有癌变细胞核的标记区域，令每个癌变细胞核的标记区域面积为,其中为正整数且，代表标记区域的个数；令最小标记面积为，则计算出最小标记面积；以每张训练集标签为单位，计算每张训练集标签中最邻近的两个癌变细胞核的距离，记做，为正整数且，表示训练标签的数量；遍历所有训练集标签后，得到一个代表每张训练集中，两个最邻近癌变细胞核之间距离的集合，因此得到；将得到的和构建病理先验约束； 步骤7，利用病理先验约束进行精细分割； 对步骤5中得到的粗分割进行二次区域精细划分；首先，粗分割结果进行去噪，将粗分割图像中所有小于的结果剔除，得到分割结果；接着，将中癌变细胞核区域作为圆心，作为半径，用圆形近似单个癌变细胞的区域进行组织区域二次划分，得到组织精分割结果。

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北京理工大学;北京大学口腔医学院，其通讯地址为：100086 北京市海淀区中关村南大街5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。