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！

龙图腾网获悉湖北工业大学申请的专利一种基于双阶段编解码器分割网络的癌细胞核分割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：CN116958114B 。

龙图腾网通过国家知识产权局官网在2025-12-16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：202310957605.9，技术领域涉及：G06T7/00；该发明授权一种基于双阶段编解码器分割网络的癌细胞核分割方法是由叶志伟;胡彬;梅梦清;梅礼晔;王明威;徐川;周雯;甘海涛;周然;靳华中设计研发完成，并于2023-07-31向国家知识产权局提交的专利申请。

本一种基于双阶段编解码器分割网络的癌细胞核分割方法在说明书摘要公布了：本发明提供一种基于双阶段编解码器分割网络的癌细胞核分割方法，引入了图像标准化、随机裁剪拼接和仿射变换，消除数据之间差异性，增强训练样本的复杂程度；提出特征提取算法、深度联合结构和特征选择模块，特征提取算法用于提取低维特征信息，深度联合结构用于提取高维特征信息，特征选择模块用于丰富特征图的表达能力，最后利用内层解编码器网络对外层编码器提取的特征信息进行第二次的降采样以及特征融合，并引入多级跳过路径，将不同尺度特征信息转发给外层解码器，外层解码器对各种尺度特征信息进行聚合，充分利用所有特征信息，可以在复杂的细胞环境下准确分割细胞核，为后续细胞核形态定量分析提供精确的分割结果。

本发明授权一种基于双阶段编解码器分割网络的癌细胞核分割方法在权利要求书中公布了：1.一种基于双阶段编解码器分割网络的癌细胞核分割方法，其特征在于，包括以下步骤： 步骤1：对组织病理图像数据集进行预处理，并将数据集划分为训练集和测试集两部分，其中训练集用于模型训练，测试集用来对网络模型分割效果进行测试； 步骤2：搭建双阶段编解码器分割网络； 步骤3：构建分割网络训练函数； 步骤4：设置步骤3训练函数的参数，对处理后的组织病理图像进行训练，保存分割网络最优权重； 步骤5：将验证集的原始组织病理图像输入步骤4中训练好的分割网络，对样本图像进行分割，得到最终的组织病理图像细胞核分割图； 所述步骤2包含如下步骤： 步骤2.1：搭建特征提取算法：特征提取算法主要用于提取网络的低维特征信息，对于输入特征向量会经过两条分支：一条分支包括一个11的卷积层，另一条分支由一个11的卷积层和两个33的卷积层组成，其中第二条分支会将输入特征与输出特征进行相加操作，联合两条分支两个卷积层特征信息输入到一个11的卷积层中，得到最终特征信息；最后对所提取的特征信息使用公式3进行非线性函数激活： ； 其中为输入的特征信息，为激活后的特征信息； 步骤2.2：搭建深度联合结构：深度联合结构主要用于提取网络的高维特征信息，对于输入的特征向量会经过两条分支：一条分支包括一个11的卷积层，另一条分支由一个11的卷积层和四个33的卷积层，其中第二条分支前一个卷积层的输出会作为后一个卷积层的输入，呈阶梯状不断进行特征提取，该分支每个卷积层会分别输出特征信息，联合两条分支五个卷积层特征信息，输入到一个11的卷积层中，得到最终特征信息；最后对所提取的特征信息使用公式4进行非线性函数激活： ； 其中为输入的特征信息，为激活后的特征信息； 步骤2.3：搭建特征选择模块：特征选择模块用于高维特征选择，主要由一个11的卷积层和三个步数为1的55的最大池化层组成，其中输入特征经过卷积层的输出会作为最大池化层的输入，最大池化层的输出会继续作为下一个最大池化层的输入，依次经过三个最大池化层，最后联合卷积层的输出特征和三个最大池化层的输出特征，得到最终选择特征； 步骤2.4：搭建双阶段编解码器神经网络：双阶段编解码器网络主要由两层网络组成，外层是编解码器网络，内层为解编码器网络；其中外层编解码器网络主要由一系列33的卷积层、22步长为2的下采样层、22步长为2的反卷积层、跳跃连接层和特征提取算法组成，内层解编码器网络主要由跳跃连接层、深度联合结构和特征选择模块组成，并以随机小数矩阵的形式对卷积层参数进行初始化。

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湖北工业大学，其通讯地址为：430050 湖北省武汉市洪山区南李路28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。