中国科学院苏州生物医学工程技术研究所姚佳获国家专利权
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!
龙图腾网获悉中国科学院苏州生物医学工程技术研究所申请的专利一种细胞核分割模型构建方法、细胞核分割方法及构建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:CN119478938B 。
龙图腾网通过国家知识产权局官网在2025-11-07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:202411645646.5,技术领域涉及:G06V20/69;该发明授权一种细胞核分割模型构建方法、细胞核分割方法及构建装置是由姚佳;李修齐;周连群;李金泽;黄润虎;杨弃;张芷齐;李树力设计研发完成,并于2024-11-18向国家知识产权局提交的专利申请。
本一种细胞核分割模型构建方法、细胞核分割方法及构建装置在说明书摘要公布了:本发明涉及数据处理技术领域,公开了一种细胞核分割模型构建方法、细胞核分割方法及构建装置,该构建方法包括:获取细胞图像数据集;构建细胞核分割网络结构,细胞核分割网络结构包括依次连接的补丁嵌入层、编码器模块、令牌化KAN网络模块、解码器模块以及投影层,编码器模块与解码器模块之间还通过频域可学习模块连接;其中,频域可学习模块用于将编码器模块中的低级特征传递到解码器模块中;令牌化KAN网络模块用于深层次特征提取;基于细胞图像数据集对细胞核分割网络进行训练,获得细胞核分割模型。本发明提供的细胞核分割模型更关注细胞核边界作用,极大提高了细胞核分割精度。
本发明授权一种细胞核分割模型构建方法、细胞核分割方法及构建装置在权利要求书中公布了:1.一种细胞核分割模型构建方法,其特征在于,所述构建方法包括: 获取细胞图像数据集; 构建细胞核分割网络结构,所述细胞核分割网络结构包括依次连接的补丁嵌入层、编码器模块、令牌化KAN网络模块、解码器模块以及投影层,所述编码器模块与所述解码器模块之间还通过频域可学习模块连接;其中,所述频域可学习模块用于将所述编码器模块中的低级特征传递到所述解码器模块中;所述令牌化KAN网络模块用于深层次特征提取;其中,所述编码器模块包括依次连接的多层编码器,每层编码器均包括视觉状态空间模块;所述解码器模块包括依次连接的多层解码器,每层解码器均包括视觉状态空间模块;所述频域可学习模块包括:自学习注意力模块,还包括依次连接的特征输入模块、快速傅里叶变换模块、频域特征图模块、反快速傅里叶变换模块以及特征输出模块;所述自学习注意力模块包括参数可学习的注意力图,用于与所述频域特征图模块的输出结果进行逐元素乘积,并将乘积结果输出至所述反快速傅里叶变换模块;所述特征输入模块还与所述特征输出模块连接,用于将所述反快速傅里叶变换模块的输出结果与所述特征输入模块的原始特征进行相加; 所述令牌化KAN网络模块,包括:令牌化KAN网络编码块以及令牌化KAN网络解码块;最后一层编码器的输出端与所述令牌化KAN网络编码块连接;所述令牌化KAN网络解码块的输出端与第一层解码器的输入端连接;且所述令牌化KAN网络编码块与同层的所述令牌化KAN网络解码块连接;所述令牌化KAN网络编码块包括:依次连接的令牌化层、第一归一化层、KAN网络层、第二归一化层以及重塑输出层;其中,所述令牌化层用于将特征图令牌化为多个二维块,所述KAN网络层用于进行非线性变换; 其中,所述编码器模块包括依次连接的四层编码器,每层编码器均包括两块所述视觉状态空间模块;所述解码器模块包括依次连接的四层解码器,除最后一层解码器外,每层解码器均包括两块所述视觉状态空间模块;最后一层解码器包括一块所述视觉状态空间模块;第一层编码器的输入端与所述补丁嵌入层连接,最后一层编码器的输出端与所述令牌化KAN网络模块连接;除最后一层编码器外,每层编码器还包括补丁合并层,且所述视觉状态空间模块的输出端与所述补丁合并层连接; 第一层解码器的输入端与所述令牌化KAN网络模块连接,最后一层解码器的输出端与所述投影层连接;除了第一层解码器外,每层解码器还包括补丁扩展层,且所述视觉状态空间模块的输入端与所述补丁扩展层连接; 每个编码器的输入端与每个解码器的输出端之间通过所述频域可学习模块连接; 基于所述细胞图像数据集对所述细胞核分割网络进行训练,获得细胞核分割模型。
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国科学院苏州生物医学工程技术研究所,其通讯地址为:215163 江苏省苏州市高新区科灵路88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”。
以上内容由龙图腾AI智能生成。
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。

皖公网安备 34010402703815号
请提出您的宝贵建议,有机会获取IP积分或其他奖励