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！

龙图腾网获悉南昌市高新区人民医院(南昌大学第一附属医院高新医院)申请的专利一种三代EGFR-TKIs耐药肺腺癌类器官智能化识别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：CN120071023B 。

龙图腾网通过国家知识产权局官网在2025-08-01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：202510526782.0，技术领域涉及：G06V10/764；该发明授权一种三代EGFR-TKIs耐药肺腺癌类器官智能化识别方法及装置是由邱峰;刘超星;石超;汪思雅;漆嵘设计研发完成，并于2025-04-25向国家知识产权局提交的专利申请。

本一种三代EGFR-TKIs耐药肺腺癌类器官智能化识别方法及装置在说明书摘要公布了：本申请公开了一种三代EGFR‑TKIs耐药肺腺癌类器官智能化识别方法及装置，涉及肺腺癌类器官识别技术领域。所述方法包括：获取训练集；获取OncoAGMS‑U‑Net++模型；通过所述训练集对所述OncoAGMS‑U‑Net++模型进行训练，从而获取训练后的OncoAGMS‑U‑Net++模型；获取待识别样本图像数据，所述待识别样本图像数据包括待识别明场图像数据、待识别荧光图像数据以及待识别基因突变空间概率图数据；将所述待识别样本图像数据输入至所述OncoAGMS‑U‑Net++模型中，从而获取OncoAGMS‑U‑Net++模型输出的耐药区域概率图、体积变化率、凋亡抵抗强度以及耐药类型概率。本申请所创建的OncoAGMS‑U‑Net++模型从四个维度关注肺腺癌类器官的耐药性，通过多模态数据融合和耐药特征增强策略能够更精准地建模三代EGFR‑TKIs耐药肺腺癌的复杂表型。

本发明授权一种三代EGFR-TKIs耐药肺腺癌类器官智能化识别方法及装置在权利要求书中公布了：1.一种三代EGFR-TKIs耐药肺腺癌类器官智能化识别方法，其特征在于，所述三代EGFR-TKIs耐药肺腺癌类器官智能化识别方法包括： 获取训练集；所述训练集包括基因突变空间概率图数据以及对应的标签信息、敏感组双通道2D图像集以及对应的标签信息、耐药组双通道2D图像集以及对应的标签信息； 获取OncoAGMS-U-Net++模型； 通过所述训练集对所述OncoAGMS-U-Net++模型进行训练，从而获取训练后的OncoAGMS-U-Net++模型； 获取待识别样本图像数据，所述待识别样本图像数据包括待识别明场图像数据、待识别荧光图像数据以及待识别基因突变空间概率图数据； 将所述待识别样本图像数据输入至所述OncoAGMS-U-Net++模型中，从而获取OncoAGMS-U-Net++模型输出的耐药区域概率图、体积变化率、凋亡抵抗强度以及耐药类型概率； 所述敏感组双通道2D图像集包括敏感组明场图像数据以及敏感组荧光图像数据； 所述敏感组双通道2D图像集通过如下方式获取： 将同一类器官样本的敏感组明场图像数据以及敏感组荧光图像数据进行配准，从而获取配准后的敏感组明场图像数据以及敏感组荧光图像数据； 将每一组配准后的敏感组明场图像数据以及敏感组荧光图像数据进行融合从而形成一个敏感组双通道2D图像，各个敏感组双通道2D图像组成所述敏感组双通道2D图像集； 所述耐药组双通道2D图像集包括耐药组明场图像数据以及耐药组荧光图像数据； 所述耐药组双通道2D图像集通过如下方式获取： 将同一类器官样本的耐药组明场图像数据以及耐药组荧光图像数据进行配准，从而获取配准后的耐药组明场图像数据以及耐药组荧光图像数据； 将每一组配准后的耐药组明场图像数据以及耐药组荧光图像数据进行融合从而形成一个耐药组双通道2D图像，各个耐药组双通道2D图像组成所述耐药组双通道2D图像集； 所述OncoAGMS-U-Net++模型包括： 输入层，所述输入层包括双通道图像输入层以及并行图像输入层； 编码器，所述编码器包括四级深度可分离卷积块； 注意力引导模块，所述注意力引导模块包括空间注意力模块、通道注意力模块以及双注意力融合模块； 解码器，所述解码器包括上采样层、嵌套式跳跃连接以及特征融合单元； 输出层，所述输出层包括耐药区域分割分支、体积变化率预测分支、凋亡抵抗强度预测分支以及耐药类型分类分支； 所述将所述待识别样本图像数据输入至所述OncoAGMS-U-Net++模型中，从而获取耐药区域概率图、体积变化率、凋亡抵抗强度以及耐药类型概率包括： 所述双通道图像输入层用于接收配准后的待识别明场图像数据以及待识别荧光图像数据并将其传入编码器； 所述并行图像输入层用于接收所述待识别基因突变空间概率图数据并将其传入编码器； 所述编码器用于根据所述待识别明场图像数据、待识别荧光图像数据以及待识别基因突变空间概率图数据生成多尺度特征图； 空间注意力模块用于根据多尺度特征图生成空间权重图； 通道注意力模块用于根据多尺度特征图生成通道权重图； 双注意力融合模块用于将空间权重图以及通道权重图融合成校准特征图； 所述上采样层用于根据多尺度特征图以及校准特征图生成解码器特征图； 特征融合单元用于根据各个解码器特征图获取最终融合特征； 所述耐药区域分割分支用于根据获取的最终融合特征获取耐药区域概率图； 所述体积变化率预测分支用于根据获取的最终融合特征获取体积变化率； 所述凋亡抵抗强度预测分支用于根据获取的最终融合特征获取凋亡抵抗强度； 所述耐药类型分类分支用于根据获取的最终融合特征获取耐药类型概率分布。

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昌市高新区人民医院(南昌大学第一附属医院高新医院)，其通讯地址为：330096 江西省南昌市高新区昌东大道7889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”。