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！

龙图腾网获悉北京工业大学申请的专利一种基于多实例学习的二阶段全视野数字病理切片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：CN115424070B 。

龙图腾网通过国家知识产权局官网在2026-01-06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：202211068114.0，技术领域涉及：G06V10/764；该发明授权一种基于多实例学习的二阶段全视野数字病理切片分类方法是由刘博;丁磊;杨滨;王强;汪婧懿设计研发完成，并于2022-09-01向国家知识产权局提交的专利申请。

本一种基于多实例学习的二阶段全视野数字病理切片分类方法在说明书摘要公布了：本发明公开了一种基于多实例学习的二阶段全视野数字病理切片分类方法，包括下述步骤：步骤一，采集全视野数字病理切片；步骤二，对图像进行裁剪，缩放，过滤处理；步骤三，使用多实例学习与有监督度量学习结合的方式训练病理切片的嵌入空间；步骤四，使用自注意力对病理切片进行检测和分类。第一阶段中，多实例学习提供伪标签，构建数据训练编码器；第二阶段中，直接使用第一阶段的编码器提取病理切片特征，通过自注意力网络对切片做最后的分类。本算法提出的基于多实例学习的二阶段全视野数字病理切片分类方法，可以对整张病理切片进行诊断分类，为病理医生提供有效的参考价值。

本发明授权一种基于多实例学习的二阶段全视野数字病理切片分类方法在权利要求书中公布了：1.一种基于多实例学习的二阶段全视野数字病理切片分类方法，其特征在于：包括下述步骤， 步骤一，采集全视野数字病理切片图像； 步骤二，对步骤一获取的全视野数字病理切片图像进行裁剪、缩放，过滤处理； 步骤三，经由步骤二处理的全视野数字病理切片使用多实例学习与有监督度量学习结合的方式训练，完成模型的第一阶段训练； 步骤四，在步骤三训练的模型后面加上自注意力网络，实现病例图像的检测和分类，完成模型的第二阶段训练； 步骤三的实现过程如下： 将整张全视野数字病理切片称为一个包，定义为B，由全视野数字病理切片切割下来的224×224大小的样本称为实例，定义为xi，令包B含有n个实例，则包B写为B＝{x1,…,xn}；使用残差网络F*作为基编码器，通过残差网络对包B中的第i个实例进行预测，获得该实例发生病变的概率值pi；提取n个实例的最大概率值p＝maxp1,...,pi,...,pn对应的实例x，将其父包的真实标签作为实例x的伪标签y；因此，获得一批实例级别的训练样本X＝{{x1,y1},…,{xi,yi},…,{xk,yk}}，其xi表示提取的第i个实例，yi为该实例对应的标签，k表示总共提取的实例个数； 根据这一批实例级的训练样本，一方面对实例进行二分类，这里使用交叉熵损失函数Lce: 其中，k表示实例的总个数，xi表示提取的第i个实例，yi为该实例对应的标签；为模型输出值，σ*为sigmoid函数，W为全连接的参数，b为全连接的偏置；F*为编码器函数，输出1*512维向量； 另一方面，训练深度度量学习模型，从而使模型学习到实例的嵌入空间，这里使用三元损失函数Lp： xi表示提取的第i个实例，将其视为anchor，即写为从xi同标签的数据集中抽取一个样本，写为从xi不同标签的数据集中抽取一个样本，写为最后，margin为可调节的超参； 最终的损失函数为交叉熵损失函数和三元损失函数之和Loss： Loss＝Lce+Lp。

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北京工业大学，其通讯地址为：100124 北京市朝阳区平乐园100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。