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！

龙图腾网获悉西安交通大学申请的专利一种基于层次图的病理图像中原发肿瘤分期多示例学习方法、系统、设备及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：CN116012332B 。

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：202211714879.7，技术领域涉及：G06T7/00；该发明授权一种基于层次图的病理图像中原发肿瘤分期多示例学习方法、系统、设备及介质是由李辰;唐璐斐;时江波;龚铁梁;王春宝设计研发完成，并于2022-12-29向国家知识产权局提交的专利申请。

本一种基于层次图的病理图像中原发肿瘤分期多示例学习方法、系统、设备及介质在说明书摘要公布了：一种基于层次图的病理图像中原发肿瘤分期多示例学习方法、系统、设备及介质，其方法包括：通过数据预处理、特征提取及构图来构建结构感知层次图；通过学习跨尺度的空间特征来捕获原发肿瘤分期的关键模式，构建基于分层注意力的图表征网络，可以准确地对病理图像进行分类；通过识别最深的渗透区域来提供多粒度的可解释性，辅助病理临床识别判断，有效提升病理医生的工作效率；其学习系统、设备及介质用于实现基于结构感知层次图的组织病理图像中原发肿瘤分期多示例学习方法；能够跨尺度空间有效捕获对应分期最关键的示例特征。

本发明授权一种基于层次图的病理图像中原发肿瘤分期多示例学习方法、系统、设备及介质在权利要求书中公布了：1.一种基于层次图的病理图像中原发肿瘤分期多示例学习方法，其特征在于：具体步骤包括： 步骤一、构建结构感知层次图，将金字塔结构的全视野数字病理切片表示为一个异质的结构感知层次图，包括两种类型的子图：位于顶层的组织图和位于低层的多个补丁图，分别建立在低倍率和相对较高倍率的切片上；并在不同放大倍数视野间的切换过程中，通过关联矩阵结构来确定不同放大倍数下补丁图节点与相应的组织图节点之间的从属关系； 步骤二、构建基于分层注意力的图表征网络：对步骤一构建的结构感知层次图用补丁图卷积神经网络，编码高倍率补丁图中节点的局部上下文特征；用分层注意力层利用交叉注意力机制将高倍率的补丁特征融合到其对应的低倍率组织图节点中；融合后的组织图输入组织图卷积神经网络中，用于编码全局空间组织结构特征，捕获肿瘤与正常组织之间的浸润关系；最终，全局注意力层聚合组织图所有的节点，得到切片级别的特征表示，用于分期类别的预测； 步骤一所述构建结构感知层次图，具体实施步骤如下： 1数据预处理 1.1对于一张具有金字塔结构的全视野数字病理切片，从低分辨率到高分辨率分别表示为wt，w1，w2，…，wn,wn+1；将wt的分辨率下采样到一半，采用大津二值化算法将组织与背景分割开来，获得二值分割掩膜，再对分割掩码分别进行21，22，23，…2n，2n+1，2n+2倍次的上采样以分别匹配wt，w1，w2，…，wn,wn+1的分辨率； 1.2采用滑动窗口的方法将步骤一第1.1步得到的不同倍数的切片裁剪成不重叠的补丁，分别生成补丁集Pt，P1，P2，…Pn,Pn+1；在分割掩膜的指导下，切片的背景被忽略，补丁只包含了含有组织的前景区域； 1.3在wt上使用简单线性迭代聚类算法将步骤一第1.2步处理后的图像分割成不同的组织块； 2特征提取 提取步骤一第1.2步得到的补丁集Pt，P1，P2，…Pn,Pn+1节点的特征；将Pt，P1，P2，…Pn,Pn+1中所有补丁拼接在一起，输入特征编码器中，得到n+1个补丁图的初始化的节点特征X1，X2，…Xn,Xn+1；对于组织图，由于其中每一个组织块ti都覆盖补丁图Pt中的若干补丁，可将ti覆盖的补丁输入特征编码器中，再进行平均池化操作，即可得到组织块ti的特征；最终得到组织图的节点特征Xt； 3构建结构感知层次图G 根据步骤一第2步得到的组织块和组织图的节点特征，构建结构感知层次图G；图G包含三种类型的边，其中Et用于建模组织图中相邻组织块的邻接关系，建模了每个补丁图中补丁与其八近邻的邻接关系，建模了组织图与补丁图中节点的从属关系；同时，根据边的连接关系生成邻接矩阵At，邻接矩阵和关联矩阵在At中，若组织ti，tj之间存在边，则矩阵中元素反之为0，其余矩阵同理；最终，结构感知层次图G可表示为

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西安交通大学，其通讯地址为：710049 陕西省西安市碑林区咸宁西路28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。