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！

龙图腾网获悉北京理工大学申请的专利基于半监督学习的病理图像分割与分类的方法及装置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：CN114037720B 。

龙图腾网通过国家知识产权局官网在2025-07-04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：202111211187.6，技术领域涉及：G06T7/12；该发明授权基于半监督学习的病理图像分割与分类的方法及装置是由宋红;朱翊铭;杨健;付天宇;肖德强设计研发完成，并于2021-10-18向国家知识产权局提交的专利申请。

本基于半监督学习的病理图像分割与分类的方法及装置在说明书摘要公布了：基于半监督学习的病理图像分割与分类的方法及装置，有效解决图像的尺度变化问题，更改网络的结构，使其同时执行分割和分类，解决全视野切片中样本的类不平衡问题，提高分类与分割的性能。方法包括：1使用基于Swin‑TransformerBlocks的U形网络结构，从图像数据中提取多尺度信息；2在上采样中，采用密集连接；3利用细胞图像的点注释进行弱监督分割，采用注释点和几何约束的负边界稀疏监督，结合点到区域的空间拓展的Voronoi划分策略来执行粗分割；在精细分割阶段，通过轮廓敏感约束函数，进一步利用未修饰图像中的边缘先验知识来调整核轮廓；4在网络中，修改最后的线性映射层，使其能同时输入分割和分类的结果。

本发明授权基于半监督学习的病理图像分割与分类的方法及装置在权利要求书中公布了：1.基于半监督学习的病理图像分割与分类的方法，其特征在于：其包括以下步骤： 1使用基于Swin-TransformerBlocks的U形网络结构自适应地从图像数据中提取多尺度信息； 2在上采样的过程使用双线性插值密集连接，减少解码器的精细度损失的同时缓解梯度消失和过拟合的问题； 3利用细胞图像的点注释进行弱监督分割，粗分割阶段采用注释点和几何约束的负边界稀疏监督，结合点到区域的空间拓展的Voronoi划分策略；在精细分割阶段，通过轮廓敏感约束函数，进一步利用未修饰图像中的边缘先验知识来调整核轮廓； 4在网络中，通过修改最后的线性映射层来同时输出分割和分类的结果； 所述步骤3中首先对细胞图像进行点注释，分别生成两个距离图分别聚焦到正像素与负像素，包括点注释的距离图与边缘图 点注释的距离图用来专注于高置信度的正像素，假设每个核的注释点靠近核的中心，之后通过距离滤波器将点标注扩大到可靠的核监督区域，中的每一个元素通过5式计算，如下所示： 其中：m,t分别为点标注的距离注释图的标记点的坐标，ɑ为控制分布比例的缩放参数； 以Voronoi图来聚焦于高置信度的负像素，记为通过Voronoi图来获得每一个细胞的在图像中的分区边缘，并通过距离滤波器5式的计算方法进一步扩大其与边缘的距离；用于描述置信度高的负像素。

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北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5号北京理工大学；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”。