深圳市生强科技有限公司朱良慧获国家专利权
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!
龙图腾网获悉深圳市生强科技有限公司申请的专利病理图像分析模型训练方法、装置、设备及存储介质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:CN120877071B 。
龙图腾网通过国家知识产权局官网在2026-02-17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:202511405801.0,技术领域涉及:G06V10/82;该发明授权病理图像分析模型训练方法、装置、设备及存储介质是由朱良慧;凌希通;李肖肖;陈玉玲;梁焯斌;黄强;申志远设计研发完成,并于2025-09-29向国家知识产权局提交的专利申请。
本病理图像分析模型训练方法、装置、设备及存储介质在说明书摘要公布了:本发明公开了一种病理图像分析模型训练方法、装置、设备及存储介质,该方法包括:构建初始病理图像分析模型,初始病理图像分析模型包括共享聚合器、第一专家网络、第二专家网络和一致性约束单元;通过共享聚合器分别处理原始分布数据和重平衡分布数据,生成对应的第一图像嵌入表示和第二图像嵌入表示;将第一图像嵌入表示和第二图像嵌入表示分别输入至第一专家网络和第二专家网络进行处理,获得第一预测结果和第二预测结果;基于第一预测结果和第二预测结果,通过一致性约束单元确定一致性约束损失;基于一致性约束损失对初始病理图像分析模型进行参数优化,获得目标病理图像分析模型。相比于现有技术,提升了模型对尾部病理类别识别的准确率。
本发明授权病理图像分析模型训练方法、装置、设备及存储介质在权利要求书中公布了:1.一种病理图像分析模型训练方法,其特征在于,所述方法包括: 构建初始病理图像分析模型,所述初始病理图像分析模型包括共享聚合器、第一专家网络、第二专家网络和一致性约束单元; 通过所述共享聚合器分别处理原始分布数据和重平衡分布数据,生成对应的第一图像嵌入表示和第二图像嵌入表示; 将所述第一图像嵌入表示和所述第二图像嵌入表示分别输入至所述第一专家网络和所述第二专家网络进行处理,获得第一预测结果和第二预测结果; 基于所述第一预测结果和所述第二预测结果,通过所述一致性约束单元确定一致性约束损失; 基于所述一致性约束损失对所述初始病理图像分析模型进行参数优化,获得目标病理图像分析模型; 所述初始病理图像分析模型还包括特征提取模块,所述通过所述共享聚合器分别处理原始分布数据和重平衡分布数据,生成对应的第一图像嵌入表示和第二图像嵌入表示的步骤之前,还包括: 获取全切片病理图像,并对所述全切片病理图像进行分割,获得多个图像块; 利用所述特征提取模块对各所述图像块进行特征提取,生成实例级嵌入集合; 对所述实例级嵌入集合分别进行原始分布采样和逆频率重平衡采样,获得原始分布数据和重平衡分布数据; 所述方法,还包括: 将所述第一图像嵌入表示和所述第二图像嵌入表示分别输入适配器进行空间映射,获得对应的第一映射嵌入和第二映射嵌入; 通过可学习提示引擎生成与所述全切片病理图像的病理类别对应的文本特征向量; 确定所述第一映射嵌入和所述第二映射嵌入与所述文本特征向量之间的相似度,并基于所述相似度确定蒸馏损失; 所述通过可学习提示引擎生成与所述全切片病理图像的病理类别对应的文本特征向量的步骤,包括: 获取预设类别描述文本的嵌入向量,并初始化与所述嵌入向量维度一致的可训练参数矩阵; 将所述嵌入向量与所述可训练参数矩阵进行拼接,形成动态提示向量; 将所述动态提示向量输入预训练文本编码器,获得与所述全切片病理图像的病理类别对应的文本特征向量。
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深圳市生强科技有限公司,其通讯地址为:518000 广东省深圳市龙岗区坂田街道岗头社区五和大道4012号元征科技厂区2号厂房302;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。
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。

皖公网安备 34010402703815号
请提出您的宝贵建议,有机会获取IP积分或其他奖励