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！

龙图腾网获悉柏诺智晓科技有限公司申请的专利基于PD-L1免疫组化染色的非小细胞肺癌预测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：CN121258994B 。

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：202511813198.X，技术领域涉及：G06T7/00；该发明授权基于PD-L1免疫组化染色的非小细胞肺癌预测方法是由丛柏森;应晓俊设计研发完成，并于2025-12-04向国家知识产权局提交的专利申请。

本基于PD-L1免疫组化染色的非小细胞肺癌预测方法在说明书摘要公布了：本发明提供一种基于PD‑L1免疫组化染色的非小细胞肺癌预测方法，涉及人工智能领域，包括：步骤S1、多模态原始数据采集与预处理，步骤S2、模态内特征增强与结构化建模，步骤S3、非欧几里得空间特征映射，步骤S4、多模态特征融合与交互建模，步骤S5、免疫治疗反应预测。该方法通过以PD‑L1免疫组化为必需核心输入、支持其他多模态数据灵活整合，自适应处理模态差异与缺失问题、并精准捕捉多维度信息关联，实现自适应多模态数据融合预测，提升小细胞肺癌患者免疫治疗获益预测的准确性与临床适用性。

本发明授权基于PD-L1免疫组化染色的非小细胞肺癌预测方法在权利要求书中公布了：1.一种基于PD-L1免疫组化染色的非小细胞肺癌预测方法，其特征在于：包括： 步骤S1、多模态原始数据采集与预处理：采集符合临床标准的小细胞肺癌的核心数据，其中，PD-L1免疫组化病理图像作为必需的核心数据输入，并对核心数据进行预处理；核心数据还包括基因表达数据、多通道免疫组化WSI以及CT图像； 步骤S2、模态内特征增强与结构化建模：针对PD-L1免疫组化病理图像特征进行特征增强与结构优化，包括构建混合拓扑结构： 以基础单元特征为节点形成基础关联图，并根据空间位置关系确定节点间连接强度： ； 式中：rij表示第i个节点与第j个节点之间的连接强度；dij表示两个节点对应基础单元的空间距离；kd表示距离影响系数； 同时，将具有语义关联的多个节点聚合形成高阶单元，通过超边构建跨区域关联，超边权重为： ； 式中：mc表示超边包含的节点数量；表示节点q1与节点q2的语义相似度； 其中，节点q1与节点q2的语义相似度通过语义增强对比学习得到的多层次特征向量确定，先对每一节点的原始特征经语义融合映射函数投影至统一语义空间： ； 式中：分别表示融合语义特征后的归一化向量； 通过多尺度语义对比损失函数LSECL，将正样本对拉近、负样本对推远，在训练过程中提升特征的语义一致性，从而增强节点语义表征的判别性： ； 式中：sim表示余弦相似度函数；表示温度系数；N表示对比样本总数； 在上述基础上，为了抑制因噪声或缺失模态造成的相似度偏移，在相似度定义中进一步引入加权修正项： ； 式中：表示动态调整权重系数；表示平滑参数； 最后采用图学习算法对混合拓扑结构进行特征更新，强化局部与全局关联的融合表达； 并对其他输入的核心数据进行增强处理； 步骤S3、非欧几里得空间特征映射：首先，引入基于核函数的高维映射机制，实现多模态增强特征在统一特征空间中的非线性对齐；之后，设计映射函数将核空间关系转化为显式高维嵌入；最后，计算各模态在高维空间中的分布中心，作为模态的代表性嵌入； 步骤S4、多模态特征融合与交互建模：基于关联权重构建多模态交互矩阵，融合各模态特征获得综合特征向量；之后，采用自注意力结构捕捉模态间的高阶交互关系； 步骤S5、免疫治疗反应预测：在融合特征向量经过注意力结构变换后，输入预测模型，并引入置信度评估模块对可用模态的数量与质量进行联合评估。

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柏诺智晓科技有限公司，其通讯地址为：中国香港尖沙咀广东道15号港威大厦5座17楼；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。