Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 电子科技大学纪禄平获国家专利权

电子科技大学纪禄平获国家专利权

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!

龙图腾网获悉电子科技大学申请的专利基于双流交叉注意力网络的病理图像层级表征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:CN115908997B

龙图腾网通过国家知识产权局官网在2025-07-29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:202211439389.0,技术领域涉及:G06V10/80;该发明授权基于双流交叉注意力网络的病理图像层级表征方法是由纪禄平;刘沛;杨瑞设计研发完成,并于2022-11-17向国家知识产权局提交的专利申请。

基于双流交叉注意力网络的病理图像层级表征方法在说明书摘要公布了:本发明公开了一种基于双流交叉注意力网络的病理图像层级表征方法,构建双流交叉注意力网络,在该网络中将低分辨率图像分块和高分辨率图像分块采用两条支路单独进行特征学习,在高分辨率图像分块的特征学习中采用低分辨率图像分块特征基于交叉注意力机制进行方形池化指导,再将两条支路特征合并得到多尺度的病理图像层级表示;将双流交叉注意力网络和预测模型构建病理图像预测网络,采用训练样本进行训练,从训练好的病理图像预测网络中提取出双流交叉注意力网络;将待进行层级表征的病理图像的低分辨率图像分块和高分辨率图像分块输入训练好的双流交叉注意力网络,得到病理图像的层级特征。本发明可以提高病理图像层级特征的有效性、区分性。

本发明授权基于双流交叉注意力网络的病理图像层级表征方法在权利要求书中公布了:1.一种基于双流交叉注意力网络的病理图像层级表征方法,其特征在于,包括以下步骤: S1:收集若干病理图像及对应的标签,根据实际需要确定病理图像的图像金字塔中两个分辨率Kl、Kh,其中高分辨率Kh相对于低分辨率Kl的图像边长放大倍数为λ,从所收集病理图像的图像金字塔中获取这两个分辨率的图像并进行非重叠的分块划分,保证低分辨率图像的分块与λ×λ个高分辨的分块以一对一的形式区域对齐;将每幅病理图像的低分辨率图像分块和高分辨率图像分块作为输入,其对应的标签作为输出,构成一个训练样本,从而得到训练样本集; S2:构建双流交叉注意力网络,包括特征提取模块、卷积层、低分辨率流编码器、特征重构模块、方形池化模块、高分辨流编码器、特征拼接模块、全局注意力池化模块和特征投影模块,其中: 特征提取模块用于对病理图像的低分辨率图像分块和高分辨率图像分块分别提取特征,记所得到的低分辨率特征为高分辨率特征为其中m表示低分辨率图像划分得到的分块数量,d表示每个分块提取得到的特征向量维度,将低分辨率特征Xl发送至卷积层和方形池化模块,将高分辨率特征Xh发送至特征重构模块; 卷积层用于对低分辨率特征Xl进行卷积,得到特征并发送至低分辨率流编码器,其中de表示卷积操作得到的低分辨率分块的特征向量维度; 低分辨率流编码器用于对特征El进行编码,得到特征并发送至特征拼接模块; 特征重构模块用于对高分辨率特征Xh进行重构,得到高分辨率特征并发送至方形池化模块; 方形池化模块用于对高分辨率特征Oh进行方形池化,得到池化后的高分辨率特征并发送至高分辨率流编码器;方形池化操作的具体方法如下: Eh=FOh;Ql 其中,表示投影后的低分辨率特征,采用如下公式得到: Ql=XlWl 表示待训练的投影矩阵; F表示交叉注意力池化函数,表达式如下: 其中,Ehi、Oli分别表示特征Eh、特征Ql中第i行特征向量,i=1,2,…,m,表示高分辨率特征Oh中与低分辨率特征Oli存在分块区域对齐的λ×λ个特征向量构成的子特征矩阵,Wq、Wk、Wv分别表示待训练的在query,key,value的投影矩阵; 高分辨率流编码器用于对特征Eh进行编码,得到特征并发送至特征拼接模块; 特征拼接模块用于对特征Vl和特征Vh进行拼接,得到拼接特征并发送给全局注意力池化模块; 全局注意力池化模块用于对拼接特征S进行全局注意力池化,得到特征并发送至特征投影模块; 特征投影模块用于对特征H进行投影映射,得到病理图像的层级特征其中D表示预设的层级特征维度; S3:根据实际需要确定一个预测模型,然后将双流交叉注意力网络和预测模型组成病理图像预测网络,将步骤S1中每幅病理图像的低分辨率图像分块和高分辨率图像分块作为输入,其对应的标签作为期望输出,对病理图像预测网络进行训练,从训练好的病理图像预测网络中提取出训练好的双流交叉注意力网络; S4:对于待进行层级表征的病理图像,从其图像金字塔中提取出低分辨率Kl和高分辨率Kh的图像,然后按照步骤S1中的方法对两个分辨率的图像进行非重叠的分块划分,将得到的低分辨率图像分块和高分辨率图像分块输入至步骤S203训练好的双流交叉注意力网络中,得到病理图像的层级特征。

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电子科技大学,其通讯地址为:611731 四川省成都市高新区(西区)西源大道2006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”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。