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！

龙图腾网获悉重庆大学附属肿瘤医院申请的专利基于病理图像的HER2靶向药物疗效预测模型生成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：CN118967598B 。

龙图腾网通过国家知识产权局官网在2025-06-17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：202410996852.4，技术领域涉及：G06T7/00；该发明授权基于病理图像的HER2靶向药物疗效预测模型生成方法是由徐波;李艺;刘晓华;林博;熊晓敏;徐梦珂设计研发完成，并于2024-07-23向国家知识产权局提交的专利申请。

本基于病理图像的HER2靶向药物疗效预测模型生成方法在说明书摘要公布了：本发明公开了一种基于病理图像的HER2靶向药物疗效预测模型生成方法，包括：获取若干HER2阳性病理图像数据和TCGA数据库中的对应数据构建训练集和测试集；定义训练集在模型输入的数据形式，通过卷积神经网络中每个残差块集合对训练集输入的数据进行特征提取，得到基础图像特征；通过多倍放大特征融合模块和多尺度特征融合模块对基础图像特征进行融合，得到融合图像特征；获取所有分支得到的融合图像特征对初始模型中进行模型训练，当满足测试集训练条件时结束训练生成HER2靶向药物疗效预测模型；其中，训练时采用交叉熵损失函数作为优化目标，计算模型的综合训练损失；本发明有益于提高对HER2阳性乳腺癌疗效反应预测的准确性。

本发明授权基于病理图像的HER2靶向药物疗效预测模型生成方法在权利要求书中公布了：1.一种基于病理图像的HER2靶向药物疗效预测模型生成方法，其特征在于，包括： 获取若干HER2阳性病理图像数据和TCGA数据库中的对应数据构建训练集和测试集； 定义训练集在模型输入的数据形式，通过卷积神经网络中每个残差块集合对训练集输入的数据进行特征提取，得到基础图像特征； 通过多倍放大特征融合模块和多尺度特征融合模块对基础图像特征进行融合，得到融合图像特征； 获取所有分支得到的融合图像特征对初始模型中进行模型训练，当满足测试集训练条件时结束训练生成HER2靶向药物疗效预测模型；其中，训练时采用交叉熵损失函数作为优化目标，计算模型的综合训练损失； 定义训练集在模型输入的数据形式，通过卷积神经网络中每个残差块集合对训练集输入的数据进行特征提取，得到基础图像特征，包括： 定义训练集在模型输入的数据形式；其中，，，N为训练集中的数据对总数，代表40倍图像的输入，代表10倍图像的输入，代表10倍图像经降采样操作后的图像输入，为对应的二进制标签，表示数据对的分类，代表的分类为耐药，代表的分类为对药物敏感； 调整40倍图像和10倍图像的图像分辨率为256256像素，通过ResNet34网络中每个block对图像组成的图像袋进行特征提取，得到基础图像特征，，为ResNet34网络预设组blocks的最终残差块的输出函数，为16张Tiles组成的图像袋，R表示特征矩阵，包含以下维度：B=16，为每个block提取的特征维度，为以256像素为输入图像的特征图像的大小； 通过ResNet34网络中每个block对图像进行特征提取，得到基础图像特征，； 通过ResNet34网络中每个block对图像进行特征提取，得到基础图像特征，；其中，的图像分辨率为128128像素，为以128像素为输入图像的特征图像的大小； 通过多倍放大特征融合模块和多尺度特征融合模块对基础图像特征进行融合，得到融合图像特征，包括： 通过多倍放大特征融合模块对10倍图像的基础图像特征进行信息融合，得到第一融合图像特征；其中，，，M为MMFF操作，，代表一个包含了3×3卷积层的卷积块，卷积层的输入和输出维度不变，后面跟随有批量归一化函数和tanh激活函数，为双线性插值的上采样方法； 通过多尺度特征融合模块对第一融合图像特征和40倍图像的基础图像特征进行联合处理，得到融合图像特征；其中，S为MSFF操作。

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重庆大学附属肿瘤医院，其通讯地址为：400030 重庆市沙坪坝区汉渝路181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”。