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！

龙图腾网获悉河海大学;玖壹叁陆零医学科技南京有限公司申请的专利一种基于改进的YOLOv7和Swin-Unet的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：CN115965602B 。

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：202211726362.X，技术领域涉及：G06T7/00；该发明授权一种基于改进的YOLOv7和Swin-Unet的异常细胞检测方法是由胡鹤轩;方晓杰;黄倩;杨天金;胡强;巫义锐;张晔;狄峰;胡震云;周晓军;沈勤;吕京澴设计研发完成，并于2022-12-29向国家知识产权局提交的专利申请。

本一种基于改进的YOLOv7和Swin-Unet的异常细胞检测方法在说明书摘要公布了：本发明公开了一种基于改进的YOLOv7和Swin‑Unet的异常细胞检测方法，包括：收集病理细胞涂片图像，制作异常细胞检测数据集和分割数据集；搭建改进的YOLOv7模型并进行训练；搭建检测结果筛选模块，对检测网络输出图像中的细胞进行分类；搭建Swin‑Unet模型并进行训练，用于重叠细胞团图像的分割：以Unet模型为基础，针对多尺度下的细胞图像的局部关系与全局关系，引用Swin‑Transformer模块进行采样；使用改进的YOLOv7和Swin‑Unet模型进行异常细胞检测。本发明充分利用细胞检测时的上下文信息，有效处理难检的细胞团，可在保证检测速率的前提下大大提高准确率和召回率。

本发明授权一种基于改进的YOLOv7和Swin-Unet的异常细胞检测方法在权利要求书中公布了：1.一种基于改进的YOLOv7和Swin-Unet的异常细胞检测方法，其特征在于，包括以下步骤： 步骤1、收集病理细胞学检查中的细胞涂片图像，制作异常细胞检测数据集和异常细胞分割数据集； 步骤2、搭建改进的YOLOv7模型并进行训练，用于异常细胞与重叠细胞团的检测，以YOLOv7模型为基础，针对多维度特征信息的提取问题进行改进，得到改进的YOLOv7模型结构，包含异常细胞检测数据预处理模块Process、主干网络Backbone、颈部网络Neck和检测网络Head；引入动态头DyHead模块进行特征图注意力融合；其动态头模块结构包括：用注意力函数的堆叠拟合尺度感知注意力、空间感知注意力和任务感知注意力； 步骤3、搭建一个检测结果筛选模块，对检测网络输出图像中的细胞进行分类，异常细胞图像作为输出，重叠细胞团图像作为分割模型的输入； 步骤4、搭建Swin-Unet模型并进行训练，用于重叠细胞团图像的分割：以Unet模型为基础，针对多尺度下的细胞图像的局部关系与全局关系，引用Swin-Transformer模块进行采样；Swin-Unet模型结构包含编码器Encoder、颈部网络Neck、解码器Decoder； 步骤5、使用改进的YOLOv7和Swin-Unet模型进行异常细胞检测； 所述的步骤1过程为： 1-1.收集病理细胞学检查中的细胞涂片图像，包括宫颈细胞图像、乳腺细胞图像，对原始细胞涂片图像进行滑窗裁剪，其中设置裁剪尺寸为640×640，滑窗重叠范围为50％，得到小区域的细胞图像，利用LabelImg工具对独立的异常细胞和重叠细胞团进行矩形框标注，将标签保存为XML文件，制成用于训练改进的YOLOv7模型的异常细胞检测数据集； 1-2.筛选异常细胞检测数据集中标签为重叠细胞团的细胞图像，并利用LabelImg工具的多边形标注功能细分分割区域，并进行区域标注，对异常细胞打上标签并保存，制成用于训练Swin-Unet模型的异常细胞分割数据集。

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河海大学;玖壹叁陆零医学科技南京有限公司，其通讯地址为：211100 江苏省南京市江宁区佛城西路8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。