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！

龙图腾网获悉华东师范大学申请的专利基于语义空间注意力的病理图像分类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：CN116824204B 。

龙图腾网通过国家知识产权局官网在2025-12-30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：202310364700.8，技术领域涉及：G06V10/764；该发明授权基于语义空间注意力的病理图像分类方法是由孙仕亮;陈凯涛;张楠;邱禧荷设计研发完成，并于2023-04-07向国家知识产权局提交的专利申请。

本基于语义空间注意力的病理图像分类方法在说明书摘要公布了：本发明公开了一种基于语义空间注意力的病理图像分类方法，该方法通过提取语义信息并融入注意力机制实现对病理图像的分类。本发明考虑到病理图像中细胞区域占比少，可以通过在相同语义区域内充分交互信息，加强对细胞区域的专注。本发明的创新点在于从信息交互的角度，融入了语义信息并指导注意力，构建了基于语义级别的空间注意力机制，打破了原先基于像素级别的空间注意力信息交互的区域局限性。本发明的病理图像分类框架由语义信息提取网络模型和空间注意力机制组成，同时推导了语义信息提取网络模型的建模过程和空间注意力生成过程，给出了详细的应用方案。

本发明授权基于语义空间注意力的病理图像分类方法在权利要求书中公布了：1.一种基于语义空间注意力的病理图像分类方法，其特征在于，该方法包括如下步骤： 步骤一：建立病理图像数据集 所述病理图像数据集格式为：图像与标签其中M表示数据的数量，Xi表示第i张病理图像，Yi表示第i张病理图像对应的真实标签； 步骤二：确定语义信息提取网络模型 采用Felz算法得到初步的语义信息，然后采用一个卷积神经网络进行语义信息优化；该卷积神经网络由四个基本卷积块组成，每个卷积块包括一个2D卷积层、批量归一化和Relu激活函数； 步骤三：建构语义信息 步骤a1：将病理图像Xi输入到Felz算法中，得到初步的语义信息其中K表示语义信息区域类别的数量，Ck表示该语义信息属于第k类； 步骤a2：通过卷积神经网络计算每个像素点的输出概率，即其中N代表图像中像素点的数量，Net代表卷积神经网络； 步骤a3：最大化输出概率，即yn＝argmaxpn，argmax代表最大化输出概率函数； 步骤a4：同一个语义信息区域内数量最多的yn作为每个像素点的语义信息类别标签，即 步骤a5：采用交叉熵损失作为损失函数，即Loss＝Crossentropypn,tn，其中Crossentropy代表交叉熵函数； 步骤a6：通过随机梯度下降优化语义信息网络模型； 步骤a7：重复上述a1至a6操作直至网络模型收敛，获得每个像素点对应的语义信息类别标签tn； 步骤四：确定病理图像分类的网络模型 采用ResNet50作为分类网络模型；该网络模型由输入层、卷积层组和分类输出层构成；输入的病理图像Xi先经过一个卷积核为7*7的卷积层，然后经过四个卷积块，每个卷积块由多个基本的卷积层组成，其中卷积核为1*1的用于放缩通道；每个卷积块的输入与输出部分通过残差的方式连接；在ResNet50网络模型中，获取最后一个卷积块的特征图F； 步骤五：确定空间注意力机制，并融入语义信息，构建基于语义级别的空间注意力机制 基于像素级别的空间注意力是将特征图F通过平局池化AvgPool和最大池化MaxPool获得，即Favg＝AvgPoolF,Fmax＝MaxPoolF；在基于像素级别的空间注意力上，通过同一语义信息区域内的交互，构建注意力图Favgavg和Fmaxmax，然后将Favg，Fmax，Favgavg和Fmaxmax进行融合并激活后得到最终的注意力S；通过将原始图像的特征图F与注意力S做元素逐点相乘获得新的特征图F′，即F′＝F⊙；将新的特征图F′通过全局池化操作得到特征向量，并输入到全连接层得到最后的输出概率； 步骤六：训练分类网络模型，并对病理图像进行分类 采用学习率衰减和随机梯度下降优化分类网络模型；具体训练包括如下步骤： 步骤b1：将训练的病理图像裁剪成统一的448*448大小，按50％的概率对其进行水平翻转，然后进行归一化； 步骤b2：将图像输入到分类网络模型中，计算最后一个卷积块的特征图F； 步骤b3：获取特征图F的语义空间注意力，将特征图F与语义空间注意力做元素逐点相乘获得新的特征图F'； 步骤b4：将特征图F'通过全局池化操作得到特征向量，并通过全连接层得到最后的输出概率； 步骤b5：计算输出概率与真实标签之间的交叉熵损失，通过随机梯度下降优化目标，更新学习率；重复上述b2至b5步骤，直到网络模型收敛，终止训练； 步骤b6：根据分类网络模型，得到最后输出的概率，经过Softmax激活函数之后，得到最终的输出分类。

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华东师范大学，其通讯地址为：200241 上海市闵行区东川路500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。