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！

龙图腾网获悉山东省疾病预防控制中心申请的专利基于多尺度肝脏病理图像特征融合的胰岛素抵抗评估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：CN120451675B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202510599093.2，技术领域涉及：G06V10/764；该发明授权基于多尺度肝脏病理图像特征融合的胰岛素抵抗评估方法是由李慧;姚文环;张静;周雯;温成丽;程东;孙昌华;贺麒龙;李淑娴;单淑林;吕实波;徐龙进设计研发完成，并于2025-05-10向国家知识产权局提交的专利申请。

本基于多尺度肝脏病理图像特征融合的胰岛素抵抗评估方法在说明书摘要公布了：本发明涉及一种基于多尺度肝脏病理图像特征融合的胰岛素抵抗评估方法，属于医学人工智能领域。其包括以下步骤：获取TBT诱导胰岛素抵抗动物模型的肝脏病理图像，构建数据集；使用CLAHE算法对训练集进行处理，得到预处理的肝脏数据；构建胰岛素抵抗分级评估模型，模型包括滑动窗口编码器、多尺度感知注意力模块、第一金字塔编码器、第二金字塔编码器、跨层连接融合模块、代谢特征映射模块以及分级分类器；采用预处理的肝脏数据对模型进行训练；通过损失函数利用Adam优化器对模型进行训练优化，得到训练好的模型；将测试集中待分级图像进行预处理后输入到训练好的模型中，得到分级结果。本发明能够有效提升模型分级的准确性和泛化能力。

本发明授权基于多尺度肝脏病理图像特征融合的胰岛素抵抗评估方法在权利要求书中公布了：1.一种基于多尺度肝脏病理图像特征融合的胰岛素抵抗评估方法，其特征在于，包括以下步骤： S1.获取TBT诱导胰岛素抵抗动物模型的肝脏病理图像，构建LiverTBT数据集，并划分为训练集和测试集； S2.对LiverTBT数据集中训练集的肝脏图像使用CLAHE算法进行数据预处理，得到预处理的肝脏数据； S3.构建胰岛素抵抗分级评估模型，所述模型包括滑动窗口编码器、多尺度感知注意力模块、第一金字塔编码器、第二金字塔编码器、跨层连接融合模块、代谢特征映射模块以及分级分类器；采用预处理的肝脏数据对模型进行训练； 所述滑动窗口编码器具体包括： 所述滑动窗口编码器依次由滑动窗口模块、卷积层和池化层构成；所述滑动窗口模块中窗口大小选择32×32像素，步幅选择16像素，窗口之间的重叠区域设置为50%；所述卷积层卷积核大小为3×3，卷积核数量设置为32，使用ReLU激活函数增加非线性表达能力，步幅设置为1；所述池化层为最大池化，池化窗口大小设置为2×2，步幅设置为2； 所述预处理的肝脏数据经过滑动窗口编码器进行处理，得到滑动编码特征； 所述多尺度感知注意力模块具体包括： 所述多尺度感知注意力模块包括空间信息处理单元、通道信息处理单元、尺度信息处理单元以及多尺度注意力单元；滑动编码特征分别输入到空间信息处理单元、通道信息处理单元、尺度信息处理单元进行处理，得到空间信息、通道信息、尺度信息； 空间信息处理单元中处理过程的公式表示如下： ， 其中，表示滑动编码特征的均值；表示滑动编码特征的标准差；表示卷积层操作，卷积核大小为3×3，卷积核数量设置为64；表示RELU激活函数；表示Sigmoid激活函数； 通道信息处理单元中处理过程的公式表示如下： ， 其中，表示常数，；表示元素级乘法，表示在空间维度上进行平均操作，表示沿着第1维和第2维进行操作； 尺度信息处理单元中处理过程的公式表示如下： ， 其中，表示多尺度卷积核的数量，；表示采用不同大小的卷积核进行处理，表示卷积核大小为3×3，表示卷积核大小为5×5； 将空间信息、通道信息、尺度信息输入到多尺度注意力单元进行处理得到多尺度注意力，公式表示如下： ， 其中，、、分别表示第一可训练参数、第二可训练参数以及第三可训练参数；、、服从标准正态分布；表示点乘操作； 所述第一金字塔编码器具体包括： 所述第一金字塔编码器包括第一卷积层、第二卷积层、局部非线性交互模块、LeakyReLU非线性激活函数、降采样模块；所述第一卷积层的卷积核大小为3×3，卷积核数量为128，步幅为1，使用“same”填充；所述第二卷积层的卷积核大小为3×3，卷积核数量为256，步幅为1，使用“same”填充；所述局部非线性交互模块使用深度可分离卷积，卷积核大小为3×3×1，步幅为2，填充方式为“VALID”；所述降采样模块使用反卷积方法，卷积核大小为3×3，步幅设置为2，填充大小为1，膨胀系数为2；在卷积操作后加上一个可学习的偏置项； 所述预处理的肝脏数据依次经过第一卷积层、第二卷积层、局部非线性交互模块、LeakyReLU非线性激活函数进行处理后与空间注意力在空间维度上相加输入到降采样模块中，得到第一编码特征； 所述第二金字塔编码器具体包括： 所述第二金字塔编码器依次由第三卷积层、ReLU激活函数、第四卷积层、ReLU激活函数和池化层构成；所述第三卷积层卷积核大小为3×3，卷积核数量为512，步幅为1，使用“same”填充；所述第四卷积层的卷积核大小为5×5，卷积核数量为1024，步幅为2，使用“same”填充；所述池化层采用最大池化，池化窗口大小为3×3，步幅为1； 所述预处理的肝脏数据经过第二金字塔编码器进行处理，得到第二编码特征； 所述跨层连接融合模块具体包括： 所述跨层连接融合模块依次由第五卷积层、ReLU激活函数、平均池化层、第六卷积层、第七卷积层、ReLU激活函数、最大池化层构成；所述第五卷积层的卷积核大小为1×1，卷积核数量为128，步幅为1，使用“same”填充；所述平均池化层采用平均池化，池化窗口大小为1×1，步幅为1；所述第六卷积层卷积核大小为3×3，卷积核数量为256，步幅为1，使用“same”填充；所述第七卷积层的卷积核大小为3×3，卷积核数量为512，步幅为3，使用“same”填充；所述最大池化层采用最大池化，池化窗口大小为2×2，步幅为1； 对第二编码特征进行剪枝操作，在剪枝操作中使用L1范数作为特征的重要性评估指标，计算第二编码特征中第i个特征图的L1范数，公式表示如下： ， 其中，和分别表示特征图的高度和宽度，表示特征图中第i个通道的位置的像素值；对第二编码特征中特征图的L1范数由大到小进行排序，并由小到大剪除一部分通道，设定剪枝比例为30%，得到剪枝特征； 将第一编码特征和第二编码特征进行逐元素相加，得到第三编码特征；将所述第三编码特征依次输入到第五卷积层、ReLU激活函数、平均池化层以及第六卷积层进行处理，得到第四编码特征；将剪枝特征和第四编码特征逐元素相加后输入到第七卷积层、ReLU激活函数、最大池化层中，得到融合特征； 所述代谢特征映射模块具体包括： 所述代谢特征映射模块包括映射计算层和高阶卷积加权滤波器； 融合特征经过映射计算层进行标准化处理，得到标准化特征，公式表示如下： ， 其中，和分别表示融合特征的均值和标准差；然后对标准化特征进行加权自适应归一化操作，得到归一化特征，公式表示如下： ， 其中，表示可学习的权重矩阵，表示偏置项；所述归一化特征经过高阶卷积加权滤波器进行处理，得到代谢特征，公式表示如下： ， 其中，i,j是卷积核在位置的权值；表示归一化特征空间位置i,j的像素值； 所述分级分类器具体包括： 所述分级分类器依次由展平层、第一全连接层、第二全连接层、第三全连接层以及max函数构成；第一全连接层单元数为512，第二全连接层单元数为64，第三全连接层单元数为4；所述max函数将第三全连接层的输出中最大值对应的下标加一后，与分类表字典匹配输出； 所述代谢特征和第三编码特征经过展平层进行逐元素相加后沿通道方向展平为一维向量，得到展平特征；所述展平特征经过第一全连接层、第二全连接层、第三全连接层以及max函数，得到胰岛素抵抗分级； S4.通过损失函数利用Adam优化器对模型进行训练优化，得到训练好的模型； S5.将测试集中待分级图像进行预处理后输入到训练好的模型中，得到分级结果。

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山东省疾病预防控制中心，其通讯地址为：250000 山东省济南市历下区经十路16992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。