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！

龙图腾网获悉苏州科技大学申请的专利基于CTE-MIL深度学习架构的结直肠癌病理图像分析平台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：CN120876952B 。

龙图腾网通过国家知识产权局官网在2026-03-06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：202510965673.9，技术领域涉及：G06V10/764；该发明授权基于CTE-MIL深度学习架构的结直肠癌病理图像分析平台是由齐鑫;顾明恺;张大卫;陈鑫渊;陈澔江;孙源;林宇鑫;陈佳佳设计研发完成，并于2025-07-14向国家知识产权局提交的专利申请。

本基于CTE-MIL深度学习架构的结直肠癌病理图像分析平台在说明书摘要公布了：本发明公开了一种基于CTE‑MIL深度学习架构的结直肠癌病理图像分析平台，本发明涉及病理图像识别技术领域。包括以下步骤：通过前景训练图像处理模块采集并预处理已知病理区域的全切片图像，生成前景提取训练数据集。构建Tissue‑Seg分割网络模块，基于训练数据集训练模型，输出病理组织的前景掩码。特征单元筛选模块对前景掩码进行网格化，计算patch图像的特征表现分数，筛选出高响应patch图像。构建CFE特征提取网络模块，基于高响应patch对模型参数进行特异性调整，进行弱监督训练。注意力机制优化模块引入TFAM注意力机制，根据注意力得分进行特征融合，提升病理组织类型识别的准确性。

本发明授权基于CTE-MIL深度学习架构的结直肠癌病理图像分析平台在权利要求书中公布了：1.一种基于CTE-MIL深度学习架构的结直肠癌病理图像分析平台，其特征在于，具体步骤包括： 前景训练图像处理模块，用于采集若干已知结直肠癌病理所在区域及对应病理组织类型的结直肠病理全切片图像，对采集的各结直肠病理全切片图像进行预处理，将预处理后的全切片图像记为样本训练图像，将样本训练图像与结直肠病理全切片图像一一映射，生成前景提取训练数据集； 分割网络训练模块，用于以CLAM算法模型为理论模型，在其中构建Tissue-Seg分割网络模块，基于前景提取训练数据集内的数据，对Tissue-Seg分割网络模块进行训练，同时在Tissue-Seg分割网络模块引入空间金字塔池化快速算法，感知结直肠癌病理区域的组织结构和边界轮廓，完成训练的Tissue-Seg分割网络模型输出得到对应病理组织的前景掩码，并映射到原结直肠病理全切片图像上，实现结直肠病理全切片图像级的前景分割； 特征单元筛选模块，用于通过对获取的前景掩码图像进行网格化划分，得到若干patch单元图像；基于patch单元图像对CFE特征提取网络模块的骨干网络进行预训练，对每个patch图像利用单隐层注意力打分网络计算其语义响应分数；根据语义响应分数对patch图像进行排序与筛选，将符合要求的记为高响应patch单元图像；所述预训练指以patch单元图像为输入，以其来源全图对应的图像级病理组织类型为标签，对CFE特征提取网络模块的骨干网络进行弱监督训练； 特征提取网络训练模块，用于构建CFE特征提取网络模块，基于高响应patch单元图像对预训练后的CFE特征提取网络模块的骨干网络参数进行特异性调整，并对确定骨干网络参数的CFE特征提取网络模块进行全监督训练，具体为：将高响应patch单元图像统一尺寸后作为CFE特征提取网络模型的输入，并以对应的特征向量类型为标签，对CFE特征提取网络模型进行训练； 注意力机制优化模块，用于在完成CFE特征提取器训练后，将其提取的特征向量作为输入，构建TFAM注意力机制模块，通过该模块计算每个patch的注意力得分，基于注意力得分进行特征加权融合，生成融合特征向量，并将融合特征向量作为MIL分类器的输入，以对应的病理组织类型为标签对MIL分类器进行训练，完成训练的MIL分类器实现病理组织类型的判别。

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苏州科技大学，其通讯地址为：215009 江苏省苏州市虎丘区学府路99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。