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！

龙图腾网获悉南通大学申请的专利一种用于黑色素瘤诊断的深度多粒度粒球对比聚类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：CN120431352B 。

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：202510594549.6，技术领域涉及：G06V10/762；该发明授权一种用于黑色素瘤诊断的深度多粒度粒球对比聚类方法是由鞠恒荣;严如;郭静;陆杨;蔡超越;杨光;丁卫平设计研发完成，并于2025-05-09向国家知识产权局提交的专利申请。

本一种用于黑色素瘤诊断的深度多粒度粒球对比聚类方法在说明书摘要公布了：本发明提供了一种用于黑色素瘤诊断的深度多粒度粒球对比聚类方法，包括：步骤1，对皮肤病图像数据集进行预处理，生成两份样本图像数据集；步骤2，利用预训练的深度神经网络对样本图像进行特征提取；步骤3，利用多粒度粒球对比方法进行训练；步骤4，融合各阶段提取到的特征；步骤5，利用自编码器进行图像对比聚类。本方案自动化皮肤病图像数据的特征提取，精准捕捉关键特征，改善现有的深度聚类效果，为黑色素瘤患者的预测提供重要的分类依据，帮助医生提前采取治疗和康复措施。

本发明授权一种用于黑色素瘤诊断的深度多粒度粒球对比聚类方法在权利要求书中公布了：1.一种用于黑色素瘤诊断的深度多粒度粒球对比聚类方法，其特征在于，包括以下步骤： 步骤1，对皮肤病图像数据集进行预处理，生成两份样本图像数据集； 步骤2，利用预训练的深度神经网络对两份样本图像数据集进行特征提取，得到两个样本特征集合； 步骤3，利用多粒度粒球对比方法进行训练，对上一粒度层提取到特征利用粒球聚类构造负样本，进行对比学习，提取的特征用于下一粒度层，依次循环训练； 步骤4，融合各阶段提取到的特征，将每次训练的各阶段特征进行元素级拼接； 步骤5，利用自编码器进行对比聚类，将拼接特征输入得到的两个隶属度矩阵相加后得出最终的聚类结果； 步骤3包括如下步骤： 步骤3-1，步骤2中得到的样本特征集的特征作为第1粒度层特征，对数据集进行粒球聚类，用于负样本采样；粒球是一种覆盖局部样本的球形结构，定义为一个球心为，半径为的球，用于表示数据集的一个局部区域，计算公式为： 1， 2， 其中，是粒球中的第个样本，是粒球覆盖的样本个数，是欧几里得范数； 设定数据集内总样本数为，首先以整个数据集构成一个粒球，将所述粒球划分为两个子球，再对两个子球分别继续划分，直到划分后的粒球不满足划分条件，最终得到的粒球集为，表示粒球集中的粒球总数，表示第t个粒球； 设覆盖样本集合为的粒球，满足划分条件，划分为两个子粒球和，具体划分规则为： 3， 4， 5， 其中和是样本集中的任意两个样本，利用找出样本集中距离最远的两个样本和；表示按距离分配的子粒球覆盖的样本集；表示按距离分配的子粒球覆盖的样本集； 步骤3-2，根据划分的粒球，生成聚类分配，构建当前粒度层的负样本对；设粒球集中任意两个粒球和的球心分别为和，半径分别为和，如果满足以下条件： 6， 则判定两个粒球和重叠，根据公式6的条件初步生成粒球聚类结果，将具有重叠关系的粒球分配到同一个类簇中，再通过粒球密度和粒球连接角度联合检测分配异常的粒球，并将粒球所在类簇继续划分； 设与粒球重叠的粒球集为，为中的粒球数量，表示中第个粒球；所在类簇为，为中的粒球数量，表示中第个粒球；粒球覆盖的样本数为，将中的任意两个粒球记为和，且，，粒球的最小重叠角度定义为： 7， 其中，表示粒球的球心指向粒球的球心的向量，表示粒球的球心指向粒球的球心的向量；粒球的密度定义为： 8， 如果粒球满足以下条件： 9， 则判定粒球所在类簇分配异常，需要继续划分；设取得最小值时的和分别为和，对应在中的粒球为和，将中的所有粒球根据到和的距离继续划分为2个类簇和，设中的任意粒球为，，具体划分规则为： 10， 11， 其中，和分别为粒球的球心、的球心和的球心； 将粒球集中所有粒球执行完步骤3-2的检测并完成相应类簇再划分后，为同一类簇中所有粒球所覆盖的样本分配相同标签，设定当前为第粒度层，，如果任意样本对在第2粒度层到第粒度层都分配到相同的标签，则构成当前粒度层的负样本对； 步骤3-3，根据第2粒度层的负样本对，采用对比学习方法进行第1阶段学习，得到第2粒度层的特征表示；使用多层感知机做特征的映射处理，最大化负样本对的相似性，最小化正样本对的相似性，数据集中第i个样本的InfoNCE损失函数定义为： 12， 其中是自然指数函数，是经MLP映射后的第个样本特征表示，是对应的正样本经MLP映射后的特征表示，是相似度函数，是温度系数； 是第个样本的负样本个数，正样本对是数据集中的两份样本图像数据集的对应样本； 任意两个特征和的相似度的计算公式为： 13， 其中表示转置； 在InfoNCE损失函数后添加控制负样本对相似度的正则化项，公式为： 14， 完整的目标函数表示为： 15， 其中，是正则化项的平衡系数； 步骤3-4，重复步骤3-1至步骤3-3，进行第2阶段训练，得到第3粒度层的特征表示，依次循环，一共执行个阶段，最后一个阶段训练得到第粒度层的特征表示。

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南通大学，其通讯地址为：226019 江苏省南通市崇川区啬园路9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。