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！

龙图腾网获悉华南理工大学;中山大学肿瘤防治中心(中山大学附属肿瘤医院、中山大学肿瘤研究所)申请的专利一种重建超高分辨率病理全切片的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：CN120634849B 。

龙图腾网通过国家知识产权局官网在2026-05-01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：202510784910.1，技术领域涉及：G06T3/4038；该发明授权一种重建超高分辨率病理全切片的方法是由黄双萍;云径平;洪梓楠;臧盛兵;李翊恺;李君炎设计研发完成，并于2025-06-12向国家知识产权局提交的专利申请。

本一种重建超高分辨率病理全切片的方法在说明书摘要公布了：本发明公开了一种重建超高分辨率病理全切片的方法，包括利用融合掩膜获得病理组织碎片的有效组织区域图像；采用边缘分类模型和图像增强策略获取有效组织区域图像的有效拼接边缘；构建多维度匹配评分体系计算拼接边缘的几何匹配度，结合深度神经网络的拼接质量评估筛选出最优的Top‑N拼接方案；基于遗传算法，结合全局拓扑优化、亚像素级微调和多维度匹配评分体系评估拼接质量，实现所述有效组织区域图像的迭代缝合，最终输出最佳拼接方案；基于最佳拼接方案重建病理组织全切片图像；本发明具有高效、精准的自动拼接与迭代优化能力，实现了超高分辨率病理全切片的快速重建。

本发明授权一种重建超高分辨率病理全切片的方法在权利要求书中公布了：1.一种重建超高分辨率病理全切片的方法，其特征在于，包括以下步骤： 步骤1，利用阈值分割和组织拓扑结构生成融合掩膜，获得病理组织碎片的有效组织区域图像； 步骤2，采用基于深度学习的边缘分类模型和虚拟集成的图像增强策略，获取所述有效组织区域图像的有效拼接边缘； 步骤3，基于Theil-Sen回归对所述有效拼接边缘进行抗噪建模，计算对齐变换矩阵完成所述有效组织区域图像的边缘对齐，构建多维度匹配评分体系计算拼接边缘的几何匹配度，结合深度神经网络的拼接质量评估筛选出最优的Top-N拼接方案； 步骤4，基于遗传算法的多分辨率拼接优化算法，在图像低分辨率层级进行全局拓扑优化，高分辨率层级执行亚像素级微调，利用所述多维度匹配评分体系评估拼接质量，选择高适应度个体进行交叉变异，实现所述有效组织区域图像的迭代缝合，最终输出最佳拼接方案； 步骤5，基于所述最佳拼接方案重建病理组织全切片图像； 其中，所述步骤3包括步骤303，设计多维度匹配评分体系，计算拼接边缘轮廓长度差异匹配分数和融合掩膜重叠匹配分数，并采用距离算法计算拼接边缘轮廓相似性匹配分数，通过线性组合与动态截断获得适应度匹配分数，同时利用自动拼接网络评估拼接质量，最终获得Top-N个匹配的拼接方案；具体包含以下步骤： 步骤30301，采用拼接边缘长度一致性评估，设定任意两个有效组织区域图像的拼接边缘线长度并计算二者的拼接边缘轮廓长度差异匹配分数； 步骤30302，采用空间排他性约束，构建指数型融合掩膜重叠匹配分数，设定任意两个有效组织区域图像的融合掩膜重叠率并计算融合掩膜重叠匹配分数； 步骤30303，采用轮廓相似性进行度量，设定任意两个有效组织区域图像的边缘线之间的距离并计算距离的轮廓相似性匹配分数； 步骤30304，将边缘轮廓长度差异、融合掩膜重叠和轮廓相似性匹配分数进行综合评分，通过线性组合与动态截断确保评估鲁棒性，获得适应度匹配分数； 步骤30305，保存所有病理组织碎片图像的配对信息，包括节点索引、匹配分数、变换矩阵、拼接边缘分类结果，同时计算任意两个病理组织碎片图像的膨胀掩膜交集，对融合掩膜进行骨架化以创建一个伪缝合线，表示最优拼接路径，将骨架化的坐标转换到原始图像坐标进行可视化； 步骤30306，利用自动拼接网络评估组织碎片对的图像边缘拼接质量，提高适应度匹配分数的置信度，最终获得Top-N个匹配的拼接方案。

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华南理工大学;中山大学肿瘤防治中心(中山大学附属肿瘤医院、中山大学肿瘤研究所)，其通讯地址为：510000 广东省广州市天河区五山路381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。