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！

龙图腾网获悉万达信息股份有限公司;上海爱可及医疗科技有限公司申请的专利一种基于自监督学习的病理图像颜色标准化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：CN115439570B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202111453499.8，技术领域涉及：G06T11/00；该发明授权一种基于自监督学习的病理图像颜色标准化方法是由张敬谊;张伯强;佘盼;申成日;丛百;付越设计研发完成，并于2021-12-01向国家知识产权局提交的专利申请。

本一种基于自监督学习的病理图像颜色标准化方法在说明书摘要公布了：本发明公开了一种基于自监督学习的病理图像颜色标准化方法，利用自监督算法构建深度学习模型，预测待标准化病理图像在不同色彩空间内相对于标准病理图像的扰动向量，通过根据该扰动向量进行扰动逆变换，完成输入图像向标准病理图像的颜色转换，进而实现病理图像颜色标准化。本发明一方面利用自监督学习的方式，大幅降低了对数据集的要求，同时可根据需求灵活更换骨干网络用于特征提取，降低了模型搭建难度，节省了大量计算成本；另一方面本发明通过对增强数据以及对通道强度的随机增幅，使得本发明有极好的容错性，不需重复训练即可在多中心染色风格不同的问题上取得良好效果。

本发明授权一种基于自监督学习的病理图像颜色标准化方法在权利要求书中公布了：1.一种基于自监督学习的病理图像颜色标准化方法，其特征在于，具体包括以下步骤： 步骤S101：构建颜色转换自监督前置任务模块，并生成训练数据集，具体包括以下步骤： 步骤S101-1：获取原始病理图图像块x1，x2，...，xN； 步骤S101-2：进行当前图像块的组织部分解构，分割提取组织部分，筛除背景部分； 步骤S101-3：进行当前图像块的色域通道解构： 将第i个图像块xi按照HSV、YUV、RGB、LAB各色域通道进行拆解，并将得到的各通道进行拼接，得到通道向量C＝[C1，C2，...，Cn，...，C12]，其中，Cn为图像块xi在第n个色域通道上的分量； 步骤S101-4：随机生成通道扰动，并将扰动添加至原图像块各通道： 第i个图像块xi的扰动向量定义为δi＝[δ1，δ2，...，δn，...，δ12]，其中，δn为第n个色域通道上的扰动值，则添加扰动后的通道向量为C′＝[C′1，C′2，...，C′n，...，C′12]，其中，C′n为对第n个色域通道上的分量施加扰动后的结果，其计算公式如下式1所示： C′n＝PCn，δn1 式1中，PCn，δn为通道扰动函数，且满足如下性质：存在函数P-1Cn，δn，使得对任意Cn，δn，有P-1PCn，δn，δn＝Cn； 步骤S101-5：合并扰动后各通道，叠加扰动后的组织图像和原始背景图像，生成扰动后的新图像x′i； 步骤S101-6：遍历所有原始病理图图像块，重复步骤S101-2至步骤S101-5，以此生成自监督训练数据集D，则有：D＝{x′1，δ1，x′2，δ2，...，x′N，δN}； 步骤S102：构建并训练基于自监督的深度学习模型，具体包括以下步骤： 步骤S102-1：获取自监督训练数据集D中的训练数据图像，分割提取病理组织部分图像，用于后续训练； 步骤S102-2：对病理组织部分图像进行数据增强； 步骤S102-3：将数据增强后的图像输入基于卷积神经网络搭建的深度学习模型中进行特征提取，后接全连接网络对提取的特征进行降维，并对降维后的结果进行回归计算，得到当前图像所有色域通道的扰动向量估计值以扰动向量估计值和标签δn计算损失，同时加入α因子用以根据样本难易程度调节损失权重的大小，其中，深度学习模型的损失函数定义如下式2所示： 步骤S103：对实时输入病理图像的进行预处理，使其可被深度学习模型处理，获得待预测图像块数据集； 步骤S104：使用训练好的深度学习模型对经过预处理的病理图像进行预测，将待预测图像块数据集输入训练好的深度学习模型后，由深度学习模型计算输入的病理图像在不同色彩空间内距标准病理图像的扰动向量； 步骤S105：构建后处理模块，在不同色彩空间内根据扰动向量对步骤S103输入的病理图像进行扰动逆变换，完成标准化。

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万达信息股份有限公司;上海爱可及医疗科技有限公司，其通讯地址为：200233 上海市徐汇区桂平路481号20号楼5层；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。