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！

龙图腾网获悉浙江大学申请的专利基于深度学习的鳞状上皮肿瘤细胞图片自动分类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：CN115423802B 。

龙图腾网通过国家知识产权局官网在2026-01-02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：202211210771.4，技术领域涉及：G06T7/00；该发明授权基于深度学习的鳞状上皮肿瘤细胞图片自动分类分割方法是由叶娟;王琳艳;杨泽华;宋思远;王亚奇;黄封博;潘新宇;练慧设计研发完成，并于2022-09-30向国家知识产权局提交的专利申请。

本基于深度学习的鳞状上皮肿瘤细胞图片自动分类分割方法在说明书摘要公布了：本发明公开了一种基于深度学习的鳞状上皮肿瘤细胞图片自动分类分割方法。方法包括：获得增强切片图片集；构建训练图像集；构建域自适应细胞核多分类分割网络；将训练图像集输入细胞核分类分割网络中进行第一轮训练，获得预训练域自适应细胞核多分类分割网络；将增强切片图片集和训练图像集输入中进行第二轮训练，训练完成的域自适应细胞核多分类分割网络；将待分类分割鳞状上皮细胞肿瘤切片图片输入训练完成的域自适应细胞核多分类分割网络中处理，实现对待分类分割鳞状上皮细胞肿瘤切片图片的自动分类分割。本发明方法能够有效的提取鳞状上皮肿瘤细胞图像特征，实现了对图像中各个细胞的细胞核的自动分类分割，提高了图像中的细胞的识别准确率。

本发明授权基于深度学习的鳞状上皮肿瘤细胞图片自动分类分割方法在权利要求书中公布了：1.一种基于深度学习的鳞状上皮肿瘤细胞图片自动分类分割方法，其特征在于：包括如下步骤： 步骤1采集若干张鳞状上皮细胞肿瘤切片图片，将各张鳞状上皮细胞肿瘤切片图片进行预处理标注后均匀分割，获得各张标注鳞状上皮细胞肿瘤切片图片并构建标注切片图片集；将标注切片图片集进行数据增强处理，获得增强切片图片集； 步骤2获取CoNSeP数据集中的若干鳞状上皮细胞肿瘤切片图片及其掩膜，将获取的CoNSeP数据集中的各张鳞状上皮细胞肿瘤切片图片及其掩膜进行步骤1中的相同的数据增强处理后构建训练图像集； 步骤3构建域自适应细胞核多分类分割网络，域自适应细胞核多分类分割网络包括细胞核分类分割网络和两个域自适应网络DANet，细胞核分类分割网络包括输入层、分类分支、分割分支和回归分支，输入层分别连接分类分支、分割分支和回归分支，分类分支和分割分支分别连接两个域自适应网络DANet； 步骤4将训练图像集输入域自适应细胞核多分类分割网络的细胞核分类分割网络中进行第一轮训练，在第一轮训练中获取细胞核分类分割网络的损失值，通过反向传播法将整体损失值反向传播至细胞核分类分割网络中，并通过梯度下降法更新细胞核分类分割网络的网络参数，同时采用ADAM优化器优化细胞核分类分割网络，最终获得预训练域自适应细胞核多分类分割网络； 步骤5将增强切片图片集和训练图像集输入预训练域自适应细胞核多分类分割网络中进行第二轮训练，在第二轮训练中计算两个域自适应网络DANet的输出结果的二分类交叉熵损失，同时采用ADAM优化器优化预训练域自适应细胞核多分类分割网络，直至二分类交叉熵损失小于预设值完成第二轮训练，获得训练完成的域自适应细胞核多分类分割网络； 步骤6获取待分类分割鳞状上皮细胞肿瘤切片图片，将待分类分割鳞状上皮细胞肿瘤切片图片输入训练完成的域自适应细胞核多分类分割网络中处理，处理后输出待分类分割鳞状上皮细胞肿瘤切片图片中的各个细胞的细胞核的分割结果和类别，实现对待分类分割鳞状上皮细胞肿瘤切片图片的自动分类分割； 步骤4中，第一轮训练，训练若干轮次，计算的细胞核分类分割网络的损失值具体如下： 其中，、、分别代表细胞核分类分割网络的分类分支、分割分支和回归分支的损失值；、和分别表示第一控制权重、第二控制权重和第三控制权重；代表分类分支或分割分支计算的交叉熵损失；表示Dice系数损失，用于平衡每个分支的作用；和分别表示第i个轮次的分类分支或分割分支的预测结果和真值标签；表示回归分支的均方误差；和分别表示回归分支预测出来的水平距离图和垂直距离图；根据损失值在反向传播过程中计算梯度，并采用Adam作为优化器，初始学习率为1e-3，通过不断迭代对网络权重参数进行优化。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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。