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！

龙图腾网获悉湖南大学申请的专利一种框架辅助肝癌组织全幻灯片的肿瘤微环境分析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：CN115527204B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202211145469.5，技术领域涉及：G06V20/69；该发明授权一种框架辅助肝癌组织全幻灯片的肿瘤微环境分析方法是由彭绍亮;潘良睿;刘达政;窦钰涛;王练;刘明婷设计研发完成，并于2022-09-20向国家知识产权局提交的专利申请。

本一种框架辅助肝癌组织全幻灯片的肿瘤微环境分析方法在说明书摘要公布了：本发明公开了人工智能和生物信息学技术领域的一种框架辅助肝癌组织全幻灯片的肿瘤微环境分析方法，该框架辅助肝癌组织全幻灯片的肿瘤微环境分析方法包括以下步骤：对肝癌组织的全幻灯片图像进行数据收集和预处理；使用多标签诊断框架辅助全幻灯片图像完成分类任务；使用多标签诊断框架辅助全幻灯片图像完成分割任务。该框架辅助肝癌组织全幻灯片的肿瘤微环境分析方法通过深度学习技术的多标签诊断框架对肝癌组织全幻灯片图像。

本发明授权一种框架辅助肝癌组织全幻灯片的肿瘤微环境分析方法在权利要求书中公布了：1.一种框架辅助肝癌组织全幻灯片的肿瘤微环境分析方法，其特征在于，包括以下步骤： S1.对肝癌组织的全幻灯片图像进行数据收集和预处理； 所述S1包括以下步骤： S11.从五名肝癌患者身上取出五张全幻灯片图像，构建分类数据集和分割数据集； S12.使用翻转和平移预处理方法对分类数据集和分割数据集进行数据预处理； S2.使用多标签诊断框架辅助全幻灯片图像完成分类任务； 所述S2包括以下步骤： S21.将步骤S11的全幻灯片图像进行切片，划分区域并整理成多标签的数据集； S22.利用SLSR网络对全幻灯片图像的切片进行特征提取和分类； 所述S22包括以下步骤： S221.将融合了swin变压器模块、局部深度卷积模块、SE模块和残差神经网络的分类网络，命名为SLSR网络； S222.切片先通过补丁分割模块生成不重叠的补丁，每个补丁被视为一个令牌，所有令牌经过线性映射将输划分后的patch特征维度变成任意维度C； S223.进行阶段1：将任意维度C送入Swin变压器模块，局部深度卷积模块对patch特征维度进一步学习，将多通道的特征图传递给SElayer，生成新的特征图； 所述S223包括以下步骤： S2231.swin变压器模块包括移位的不重叠窗口，将注意力限制在每个窗口内，减少注意力机制产生的计算量； S2232.局部深度卷积模块对swin变压器提取的特征进行图像重构，并在多通道中进行卷积运算，生成的特征图传递给下一层； S2333.SE模块再利用从通道中获取的对应的权重系数向量与原特征图向量矩阵进行点积，并生成一个具有代表性的特征图； S224.依次进行阶段2、阶段3和阶段4，阶段2、阶段3和阶段4与阶段1的主体结构是相似的； S225.进行阶段5，通过残差神经网络承担切片图像的分类功能； S23.利用SLSR模型统计出切片中不同标签的数量，进而计算肿瘤间质比； 所述S23包括以下步骤： S231.利用训练好的SLSR模型对肝癌组织病理学图像进行准确分类，包括统计出全幻灯片图像中不同标签的数量; S232.通过标签的数量计算肿瘤间质比,肿瘤间质比计算公式如下： 式中，是一类中仅有单个标签且是肿瘤；是一类中有两个标签，其中一个是肿瘤；是一类中仅有单个标签且是组织间液；是一类中有两个标签，其中一个是组织间液； S3.使用多标签诊断框架辅助全幻灯片图像完成分割任务； 所述S3包括以下步骤： S31.将步骤S11的全幻灯片图像进行分割切片处理； S32.采用基于CNN的模型和变压器模型对切片进行分割网络处理； 所述S32包括以下步骤： S321.采用基于CNN的模型的全卷积网络FCN、UNet系列、Res-UNet系列以及ConvNeXt系列对切片进行分割； S322.采用基于变压器模型的Transunet、Swin-unet、Transfuse以及Medical对切片图像进一步的提取和分割； S33.分割网络对数据集进行测试，对切片进行预测分割。

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湖南大学，其通讯地址为：410012 湖南省长沙市岳麓区麓山南路1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。