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！

龙图腾网获悉南京航空航天大学申请的专利一种基于全病理切片图像的任务无关的特征学习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：CN120218162B 。

龙图腾网通过国家知识产权局官网在2025-07-25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：202510686318.8，技术领域涉及：G06N3/082；该发明授权一种基于全病理切片图像的任务无关的特征学习方法是由严诺;杨若诚;刘昕钰;邵伟;张道强设计研发完成，并于2025-05-27向国家知识产权局提交的专利申请。

本一种基于全病理切片图像的任务无关的特征学习方法在说明书摘要公布了：本发明公开了一种基于全病理切片图像的任务无关的特征学习方法，包括以下步骤：对全切片病理图像进行预处理，提取肿瘤及肿瘤浸润淋巴细胞区域的多尺度特征；构建任务无关特征学习器，通过神经架构搜索自动优化网络结构，采用Gumbel‑Softmax重参数化技术进行架构参数更新；通过任务级元学习算法，联合优化网络权重与架构参数，提取跨任务可重用特征；通过少量任务特定微调，适应未见临床任务并验证模型性能。本发明采用上述一种基于全病理切片图像的任务无关的特征学习方法，首次将元学习应用于病理图像分析，通过自动化架构搜索与特征解耦，显著提升了模型对未知任务的泛化能力，为临床诊断与预后分析提供了高效可扩展的技术支持。

本发明授权一种基于全病理切片图像的任务无关的特征学习方法在权利要求书中公布了：1.一种基于全病理切片图像的任务无关的特征学习方法，其特征在于，包括以下步骤： 步骤S1、对全切片病理图像进行预处理，提取肿瘤及肿瘤浸润淋巴细胞区域的多尺度特征； 步骤S2、构建任务无关特征学习器，通过神经架构搜索自动优化网络结构，采用Gumbel-Softmax重参数化技术，实现架构参数连续化更新，具体过程如下： 步骤S21、采用基于梯度优化的DARTS算法的搜索策略，实现连续化架构参数采样，自动优化任务无关特征学习器的网络拓扑结构； 搜索空间包括可分离卷积、膨胀卷积、跳跃连接及Transformer节点； 定义搜索空间，将网络的单元结构设计为包含6个节点的有向无环图，具体包括： （1）2个输入节点，用于接收前驱单元的输出特征； （2）2个中间节点，支持的操作包括可分离卷积、膨胀卷积和跳跃连接； （3）1个Transformer节点，采用标准Transformer模块，增强全局特征交互； （4）1个输出节点，用于汇集所有中间节点和Transformer节点的特征，生成单元的输出； 步骤S22、基于DARTS算法，结合Gumbel-Softmax重参数化技术，将离散的架构参数连续化，实现可微分的架构搜索，进而优化架构参数，如下所示： ； 其中，是平滑后的架构参数；是第个候选操作的类别概率；是Gumbel分布中采样的噪声；是温度参数；表示候选操作索引；表示候选操作的总数量； 步骤S23、将搜索得到的最优单元堆叠8次，构建任务无关特征学习器主干网络，进行多尺度特征融合；其中，在单元堆叠的第3和第6单元位置插入降采样层，其步长=2； 步骤S3、通过任务级元学习算法，联合优化网络权重与架构参数，提取跨任务可重用特征； 步骤S4、通过少量任务特定微调，适应未见临床任务，并验证模型性能。

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南京航空航天大学，其通讯地址为：210016 江苏省南京市秦淮区御道街29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”。