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！

龙图腾网获悉浙江工业大学;中国科学院杭州医学研究所申请的专利一种基于深度学习的循环肿瘤细胞快速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：CN119540948B 。

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：202411606045.3，技术领域涉及：G06V20/69；该发明授权一种基于深度学习的循环肿瘤细胞快速检测方法是由朱帅;赵明;阳剑波;刘明;周露萍;许良;叶武;黄子鸣;刘骅焱;李阿丽设计研发完成，并于2024-11-12向国家知识产权局提交的专利申请。

本一种基于深度学习的循环肿瘤细胞快速检测方法在说明书摘要公布了：本发明提供一种基于深度学习的循环肿瘤细胞快速检测方法，首先以RetinaNet网络结构为基础，主干网络Backbone采用RepVGG，训练时采用多分支结构，推理时变为单路结构；在FPN的基础上增加一条自顶向下的路由，将底层与顶层的语义信息进行融合；简化检测头Head，优化分类与回归子网络；针对不同阶段合理优化损失函数即得；以快速检测模型处理从生物样本中采集的新图像，输出CTCs检测结果。在荧光显微图像上进行细胞识别、检测和分类，快速检测模型兼顾细胞检测效率、准确性等多个性能指标，具有较高的准确性和较强的鲁棒性，解决现有技术中循环肿瘤细胞检测速度慢、准确率低等问题。

本发明授权一种基于深度学习的循环肿瘤细胞快速检测方法在权利要求书中公布了：1.循环肿瘤细胞快速检测模型的构建方法，其特征在于包括： 1以RetinaNet网络结构为基础，主干网络Backbone采用RepVGG，训练时采用多分支结构来增强特征提取，而推理时利用结构重参数化思想将其变为单路结构； 2在传统特征图金字塔网络FPN的基础上，增加一条自顶向下的路由，将底层与顶层的语义信息进行融合； 3简化检测头Head，优化分类与回归子网络，在传统RetinaNet检测头的基础上，减少串行卷积的数量以及通道数，并采用大的可分离卷积； 4针对不同阶段，合理优化损失函数：SmoothL1loss、GIoUloss与varifocalloss；获得快速检测模型； 上述步骤1的多分支结构包括Conv-BN结构、BN结构的至少一种； 上述步骤1中设置权重调整机制，用以动态调整不同分支结构的权重； 上述步骤4中，合理优化损失函数具体为：对于边界框回归，早期训练阶段的损失函数由SmoothL1loss主导；边界框预测稳定后的损失函数由GIoUloss主导；对于目标分类，采用varifocalloss； 还包括：采用下述步骤获得的VOC格式的标注数据集对快速检测模型进行训练：从肿瘤患者血液中对CTCs进行分离与富集，免疫荧光染色后利用荧光显微镜采集多通道荧光图像，对荧光图像进行预处理，使各种细胞在视觉上更易区分，对图像进行人工标注以标明每个细胞的位置和类别，获得VOC格式的标注数据集。

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浙江工业大学;中国科学院杭州医学研究所，其通讯地址为：310000 浙江省杭州市拱墅区朝晖六区；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。