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！

龙图腾网获悉上海交通大学医学院附属瑞金医院申请的专利基于深度学习的肾细胞癌异型性智能识别及亚型分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：CN121074885B 。

龙图腾网通过国家知识产权局官网在2026-03-20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：202511620704.3，技术领域涉及：G06V20/69；该发明授权基于深度学习的肾细胞癌异型性智能识别及亚型分类方法是由周露婷;王朝夫;杨晓群;李传应;刘洋设计研发完成，并于2025-11-07向国家知识产权局提交的专利申请。

本基于深度学习的肾细胞癌异型性智能识别及亚型分类方法在说明书摘要公布了：本发明涉及图像处理技术领域，尤其是涉及基于深度学习的肾细胞癌异型性智能识别及亚型分类方法。本发明通过将肾细胞图像输入深度学习亚型分类模型中，获取图像网络特征，并获取肾细胞图像中细胞的网络特征；提取肾细胞图像中细胞的形态学核特征和纹理特征，利用形态学核特征中不同特征对细胞进行等级划分，确定相邻分级之间的重叠细胞集合和形态学核特征重叠度重叠特征区分度；基于形态学核特征重叠度以及重叠细胞集合中细胞的纹理特征，对重叠细胞集合中细胞的网络特征进行增强，得到增强网络特征，并进行细胞的异型性识别和亚型分类。本发明通过对重叠度较高细胞的网络特征进行优化增强，有效提高了细胞异型性识别和亚型分类的准确性。

本发明授权基于深度学习的肾细胞癌异型性智能识别及亚型分类方法在权利要求书中公布了：1.基于深度学习的肾细胞癌异型性智能识别及亚型分类方法，其特征在于，包括以下步骤： S1、通过卷积神经网络构建包含特征优化增强层的深度学习亚型分类模型； S2、对标准肾细胞癌图像进行预处理，得到预处理标准肾细胞癌图像； 对预处理标准肾细胞癌图像进行切割，提取各个肾细胞癌的形态学核特征和纹理特征； S3、利用步骤S2得到的各个肾细胞癌的形态学核特征对步骤S1的深度学习亚型分类模型进行预训练，得到预训练的基于形态学核特征单特征的分级网络模型以及预训练的基于形态学核特征多特征的分级网络模型； 利用步骤S2得到的各个肾细胞癌的纹理特征对步骤S1的深度学习亚型分类模型进行预训练，得到预训练的基于纹理特征单特征的分级网络模型以及预训练的基于纹理特征多特征的分级网络模型； S4、对待分析肾细胞图像进行预处理，得到预处理肾细胞图像； 对预处理肾细胞图像进行切割，提取各个肾细胞的形态学核特征和纹理特征； S5、将步骤S4中各个肾细胞的形态学核特征输入步骤S3中预训练的基于形态学核特征单特征的分级网络模型以及预训练的基于形态学核特征多特征的分级网络模型，获得各个肾细胞的形态学核特征单特征分级以及形态学核特征多特征分级，并确定相邻分级之间的重叠细胞集合及相邻分级之间的形态学核特征重叠度； S6、将步骤S4中各个肾细胞的纹理特征输入步骤S3中预训练的基于纹理特征单特征的分级网络模型以及预训练的基于纹理特征多特征的分级网络模型，获得各个肾细胞的纹理特征单特征分级以及纹理特征多特征分级，并确定相邻分级之间的重叠细胞集合及相邻分级之间的纹理特征重叠度； S7、利用步骤S5得到的相邻分级之间的形态学核特征重叠度和步骤S6得到的相邻分级之间的纹理特征重叠度确定相邻分级之间的重叠特征区分度； S8、基于步骤S5得到的相邻分级之间的重叠细胞集合、步骤S6得到的重叠细胞集合与步骤S7得到的相邻分级之间的重叠特征区分度，得到各个细胞的增强网络特征； 所述网络特征为形态学核特征和纹理特征； S9、基于步骤S8得到的各个细胞的增强网络特征获取增强图像网络特征，并通过步骤S1的深度学习亚型分类模型进行细胞的异型性识别和亚型分类。

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上海交通大学医学院附属瑞金医院，其通讯地址为：200025 上海市黄浦区瑞金二路197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。