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！

龙图腾网获悉中山大学申请的专利基于多尺度融合和注意力机制的肺癌病理图像分类系统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：CN115937576B 。

龙图腾网通过国家知识产权局官网在2025-08-22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：202211406242.1，技术领域涉及：G06V10/764；该发明授权基于多尺度融合和注意力机制的肺癌病理图像分类系统是由张琳;杨易木;李雁;王铭辉;林华月;谭炳华;梁春豪;许可;雷凯设计研发完成，并于2022-11-10向国家知识产权局提交的专利申请。

本基于多尺度融合和注意力机制的肺癌病理图像分类系统在说明书摘要公布了：本发明提出一种基于多尺度融合和注意力机制的肺癌病理图像分类系统，涉及病理图像处理的技术领域，解决了在当前癌病理图像分类的方式中，分类效率低，不利于病理诊断的问题，首先构建肺癌病理图像分类模型，肺癌病理图像分类模型包含依次连接的多尺度特征提取和融合模块及基于注意力机制的特征聚合模块，利用了多尺度融合的方式增强模型的鲁棒性，进一步结合基于注意力机制的特征聚合模块，提高了模型的灵活性和自适应性，接着对构建的肺癌病理图像分类模型进行训练，利用训练好的肺癌病理图像分类模型对肺癌病理图像进行分类，优化了肺癌病理图像分类模型的结构，降低训练复杂度，提高训练速度，从而提升了肺癌诊断效率和分类精度。

本发明授权基于多尺度融合和注意力机制的肺癌病理图像分类系统在权利要求书中公布了：1.一种基于多尺度融合和注意力机制的肺癌病理图像分类系统，其特征在于，所述系统包括： 病理图像采集模块，用于获取肺癌病理图像，组成第一图像数据集； 病理图像处理模块，用于对第一图像数据集中的肺癌病理图像进行预处理，得到第二图像数据集； 肺癌病理图像分类模型构建模块，用于构建肺癌病理图像分类模型，所述肺癌病理图像分类模型包括依次连接的多尺度特征提取融合模块及基于注意力机制的特征聚合模块； 训练模块，利用第二图像数据集对构建的肺癌病理图像分类模型进行训练，得到训练好的肺癌病理图像分类模型，所述训练好的肺癌病理图像分类模型用于肺癌病理图像的分类； 所述多尺度特征提取融合模块内设有第一全连接层及特征提取网络，所述第一全连接层连接特征提取网络，所述特征提取网络和第一全连接层分别用于提取和融合第一图像数据集中预处理的肺癌病理图像的特征，所述特征提取网络采用简化的ResNet50网络，包括依次连接的卷积层、批量归一化层、ReLu激活函数层、最大池化层、第一残差卷积块、第二残差卷积块、第三残差卷积块及自适应均值空间池化层； 将每一张patch图像和每一张patch图像对应的patch下采样图像输入多尺度特征提取融合模块，该每一张patch图像和每一张patch图像对应的patch下采样图像是通过对肺癌病理图像进行预处理获取的；所述多尺度特征提取融合模块对patch图像和patch下采样图像的具体处理过程为： S21.利用特征提取网络提取每一张patch图像的1024维特征；利用特征提取网络提取每一张patch图像对应的patch下采样图像的1024维特征； S22.将和连接，得到连接特征，的具体表达式为： S23.利用第一全连接层和激活函数将连接的特征进行融合，输出融合特征； 在步骤S23中，融合特征的计算表达式为： 其中，和分别表示第一全连接层的两个训练参数，ReLu表示激活函数，满足以下关系式： 其中，x表示ReLu激活函数的输入； 所述特征聚合模块内设有注意力子模块，所述注意力子模块设有依次相连的第二全连接层和第三全连接层，将融合特征输入特征聚合模块，所述特征聚合模块对融合特征的具体处理过程为： S31.利用注意力子模块提取融合特征之间的关联信息，对融合特征分配对应的注意力得分，使用softmax函数归一化注意力得分，具体计算表达式为： 其中，表示融合特征的注意力得分，和分别表示第二全连接层的两个参数，和分别表示第三全连接层的两个参数，tanh表示激活函数，满足以下关系： ； 其中，表示tanh激活函数的输入； S32.将注意力得分作为权值，加权平均所有的，输出整张肺癌病理图像的聚合特征，的计算表达式为： 。

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中山大学，其通讯地址为：510275 广东省广州市海珠区新港西路135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”。