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！

龙图腾网获悉中国科学院杭州医学研究所申请的专利一种基于组织病理图像的乳腺癌分子分型方法及系统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：CN120976182B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202511145164.8，技术领域涉及：G06T7/00；该发明授权一种基于组织病理图像的乳腺癌分子分型方法及系统是由谭蔚泓;吴芩;何敏;郭璐;冯小兵设计研发完成，并于2025-08-15向国家知识产权局提交的专利申请。

本一种基于组织病理图像的乳腺癌分子分型方法及系统在说明书摘要公布了：本发明属于组织病理图像辅助诊断技术领域，具体涉及一种基于组织病理图像的乳腺癌分子分型方法及系统，通过获取数字病理图像，对数字病理图像进行特征提取，获取数字病理图像的特征嵌入表示，将特征嵌入表示输入到基于深度学习的分型模型中，从而获得各分子亚型的概率。在基于深度学习的分型模型中，通过注意力机制捕捉长程依赖关系，卷积神经网络模块提取局部空间结构，进一步通过交互机制则实现了全局与局部的有效融合。在本发明中，注意力机制的动态加权与卷积神经网络模块的残差学习相结合，有效提升了模型对复杂组织模式的建模能力，在处理高维空间异质性数据时具有较高的效率，从而在三阴性乳腺癌分子亚型分类中提供了更高的效率和准确率。

本发明授权一种基于组织病理图像的乳腺癌分子分型方法及系统在权利要求书中公布了：1.一种基于组织病理图像的乳腺癌分子分型方法，其特征在于，包括以下方法步骤： 获取数字病理图像；对数字病理图像进行特征提取，获取数字病理图像的特征嵌入表示；将特征嵌入表示输入到基于深度学习的分型模型中；获取基于深度学习的分型模型的输出，获得各分子亚型的概率； 基于深度学习的分型模型获取特征嵌入表示并输出各分子亚型的概率，包括以下方法步骤： 通过数字病理图像的特征嵌入表示构成基于深度学习的分型模型的输入特征向量；输入特征向量经过初始全连接层变换得到初始特征； 将初始特征输入到第一卷积神经网络块，经过二维重塑、卷积和展平形成第一卷积展平特征； 将初始特征与第一卷积展平特征融合，通过注意力为数字病理图像的每个图像块分配注意力权重，基于注意力权重计算注意力加权特征，将注意力加权特征与初始特征与第一卷积展平特征融合并形成深层注意力特征； 将深层注意力特征与第一卷积展平特征融合，输入到第二卷积神经网络块，经过二维重塑、卷积和展平形成第二卷积展平特征； 深层注意力特征与第二卷积展平特征融合形成深度融合特征； 对深度融合特征进行全局平均池化压缩，形成全景切片特征；将全景切片特征通过最终全连接层，将全景切片特征映射为原始预测分数，原始预测分数通过归一化形成分型概率输出。

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中国科学院杭州医学研究所，其通讯地址为：310000 浙江省杭州市钱塘区福城路150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。