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！

龙图腾网获悉福州大学附属省立医院申请的专利一种基于自适应树框架的肺腺癌病理图像辅助诊断系统及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：CN120932868B 。

龙图腾网通过国家知识产权局官网在2026-05-05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：202511459260.X，技术领域涉及：G16H50/20；该发明授权一种基于自适应树框架的肺腺癌病理图像辅助诊断系统及方法是由李厚强;何奇洺;张嘉浚;何永红;陈新设计研发完成，并于2025-10-13向国家知识产权局提交的专利申请。

本一种基于自适应树框架的肺腺癌病理图像辅助诊断系统及方法在说明书摘要公布了：一种基于自适应树框架的肺腺癌病理图像辅助诊断系统及方法，包括：采用病理基础模型预训练的ViT编码器，对全玻片图像组织区域分类，输出符合肺腺癌分类标准的组织学亚型结果；计算贴壁型区域比例，腺泡型区域比例及高级别成分区域等关键病理特征统计比例；通过两层XGBoost决策树，结合WHO肺腺癌诊断阈值与IASLC分化分级标准，完成AISMIAIA分型及IA分化分级；依托病理专家电子审核反馈，结合贝叶斯优化微调阈值，校准模型与临床标准一致性；与医院PACS系统交互调取患者病理数据，生成含治疗建议的结构化报告并传输至EHR，实现医疗闭环。

本发明授权一种基于自适应树框架的肺腺癌病理图像辅助诊断系统及方法在权利要求书中公布了：1.一种基于自适应树框架的肺腺癌病理图像辅助诊断方法，其特征在于，包括以下步骤： S1、区域级组织学亚型分型：采用基于病理基础模型预训练的视觉变换器ViT编码器，对全玻片图像中的组织区域进行细粒度分类，输出符合肺腺癌分类标准的多种组织学亚型的区域级预测结果； S2、玻片级特征提取：根据区域级预测结果，计算用于肺腺癌亚型分型及分化程度分级的关键病理特征的统计比例，包括贴壁型区域比例、高级别区域占比及腺泡占比；所述关键病理特征的统计比例源自区域级预测结果的空间聚合，提取包括浸润灶最大直径在内的多维度诊断要素；区域尺寸按预设分辨率规格设置，并在预定的放大倍数下提取； S3、玻片级层级决策：将所述关键病理特征的统计比例输入基于XGBoost的自适应决策模块，通过两层决策树结构依次执行： 第一决策树：基于贴壁型区域比例及世界卫生组织肺腺癌诊断阈值，将玻片分类为AIS、MIA或IA，其中，所述AIS为原位腺癌，所述MIA为微浸润腺癌，所述IA为浸润性腺癌； 第二决策树：对判定为浸润性腺癌的玻片，基于高级别区域的占比、腺泡型与贴壁型区域的比例及IASLC分化分级标准进行分化程度分级，其中高级别区域占比≥20%输出为低分化类别，腺泡为主且高级别区域20%输出为中分化类别，贴壁为主且高级别区域20%输出为高分化类别；其中，所述IASLC为国际肺癌研究协会； S4、临床反馈与自适应优化：病理专家通过电子病理系统审核模型输出的玻片级预测结果并提供临床反馈，根据该临床反馈迭代微调决策树的分类阈值，以提升模型预测结果与临床诊断标准的一致性；阈值调整过程结合贝叶斯优化输出的最优超参数配置，通过临床标准校准模型决策边界，迭代优化模型预测结果与病理诊断报告规范的一致性； S5、诊断报告生成与临床系统交互：将模型输出的亚型分型、分化程度及对应临床分期信息，与PACS进行数据交互以调取患者关联病理数据，生成包含亚型分型、分化程度、对应临床分期及治疗建议参考的结构化病理诊断报告；将所述结构化病理诊断报告传输至EHR，完成从病理科HE染色全玻片图像数据输入、智能分析、诊断报告生成到临床诊疗决策支持的完整医疗闭环操作；其中，所述PACS为医院病理信息系统，所述EHR为医院电子病历系统。

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福州大学附属省立医院，其通讯地址为：350001 福建省福州市东街134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。