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！

龙图腾网获悉哈尔滨理工大学申请的专利一种融合病理知识的多尺度双流宫颈异常细胞检测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：CN116188456B 。

龙图腾网通过国家知识产权局官网在2025-09-02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：202310375318.7，技术领域涉及：G06T7/00；该发明授权一种融合病理知识的多尺度双流宫颈异常细胞检测方法是由康兰兰;丁博;梁義钦设计研发完成，并于2023-04-10向国家知识产权局提交的专利申请。

本一种融合病理知识的多尺度双流宫颈异常细胞检测方法在说明书摘要公布了：一种融合病理知识的多尺度双流宫颈异常细胞检测方法，本发明涉及宫颈细胞病理全景图像异常细胞检测技术中，特征稀疏，不同大小异常细胞检测难度大的问题。在宫颈癌筛查中及早发现异常宫颈细胞可增加及时治疗的机会，但人工检测需要经验丰富的病理学家，耗时且容易出错，宫颈细胞病理全景图像异常细胞检测技术中，存在全景图像异常细胞特征稀疏，不同大小异常细胞检测难度大的问题。为了改善这一问题，本发明提出一种融合病理知识的多尺度双流宫颈异常细胞检测方法。实验表明，该方法能够有效融合病理知识，显著提高多尺度检测区域建议的质量，稳健检测出不同大小的细胞，提高了宫颈细胞检测的准确率、敏感度和特异度，为宫颈癌筛查和改善病理工作流程提供有效且高效的技术支持，帮助病理学家做出更准确的诊断。本发明主要应用于宫颈细胞病理全景图像异常细胞检测。

本发明授权一种融合病理知识的多尺度双流宫颈异常细胞检测方法在权利要求书中公布了：1.一种融合病理知识的多尺度双流宫颈异常细胞检测方法，其特征在于，包含如下步骤： S1、数据准备，采集宫颈细胞病理全景图像，并将其划分为多个非重叠图像块，并去除信息量低的图像块，用于后续训练和测试； S2、数据标注，使用标注工具在异常细胞周围手动绘制边界框； S3、根据真实宫颈异常细胞大小和形状分布的病理知识设计多尺度网络中的区域提议； S4、构建并训练融合病理知识的多尺度宫颈异常细胞检测模型； S5、构建并训练双流宫颈异常细胞分类模型；首先细胞图像被输入至两个分支中进行处理，一个分支是基于交叉视觉Transformer的CrossViT模型，用于提取细胞图像的全局特征，通常ViT模型由编码器Encoder-解码器Decoder结构构成，其中编码器的作用就是将输入图像转化为特征向量；该CrossViT模型分为两个独立并行的Large分支和Small分支，将细胞图像输入模型中，以像素点为单位按照两种不同的分割方式对输入图像进行分块，如此，分别得到大小不同且独立并行的有效输入序列，大小不同的两个图像块序列对应输入Large分支和Small分支用于提取图像块特征；图像块序列经过可学习的线性投影之后映射为固定维度的向量即图像块编码ImagePatchToken，为了明确图像块在原始图像中的位置信息，在图像块编码中添加了位置编码组成为编码向量；Transformer编码器接收到编码向量后以迭代的方式运行，通过多层编码器获取不同级别的图像语义与结构特征，前一层编码器的输出向量序列为后一层编码器的输入；最后一层编码器的输出为特征向量序列结合分类标志位CLS，输入交叉注意力Cross-Attention模块中做多尺度特征向量融合，将交叉注意力模块的融合后向量中的分类标志位CLS单独取出作为图像分类预测的信息；另一个分支为CNN模型，用于提取图像的局部特征；将细胞图像分别输入CrossViT模型与CNN模型两个分支中用于提取不同类型的特征，然后把两种特征提取器的输出向量进行拼接融合，获得最终的特征向量来预测细胞正异常； S6、使用已训练完成的宫颈异常细胞检测模型和分类模型对宫颈细胞病理全景图像进行异常细胞检测。

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哈尔滨理工大学，其通讯地址为：150080 黑龙江省哈尔滨市学府路52号哈尔滨理工大学；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”。