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！

龙图腾网获悉合肥工业大学申请的专利基于融合位置信息的ConvNeXt网络的最佳聚焦胚胎图像筛选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：CN120014399B 。

龙图腾网通过国家知识产权局官网在2026-03-03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：202510137869.9，技术领域涉及：G06V10/80；该发明授权基于融合位置信息的ConvNeXt网络的最佳聚焦胚胎图像筛选方法是由李畅;闻庆伟;成娟;宋仁成;刘羽;陈勋设计研发完成，并于2025-02-07向国家知识产权局提交的专利申请。

本基于融合位置信息的ConvNeXt网络的最佳聚焦胚胎图像筛选方法在说明书摘要公布了：本发明公开了一种基于融合位置信息的ConvNeXt网络的最佳聚焦胚胎图像筛选方法，包括：1将两张灰度化的胚胎图像进行组合以制作符合模型输入样式的双通道组合数据；2将双通道组合数据两个通道上的数据进行相减，得到差分图像并进行降采样；3使用卷积神经网络提取差分图像的整体特征，得到相应的特征矩阵；4将双通道组合数据对应的原始胚胎图像的位置索引先验信息融入到特征矩阵中；5构建损失函数，并训练最佳聚焦图像二分类模型；7利用训练好的二分类模型处理一组胚胎图像，用以实现最佳聚焦图像的筛选。本发明能有效分析胚胎图像的聚焦度，在最佳聚焦胚胎图像筛选任务中展现优异，并且具有一定的可解释性。

本发明授权基于融合位置信息的ConvNeXt网络的最佳聚焦胚胎图像筛选方法在权利要求书中公布了：1.一种基于融合位置信息的ConvNeXt网络的最佳聚焦胚胎图像筛选方法，其特征在于，是按如下步骤进行： 步骤1：获取RGB三通道的胚胎图像数据集，令中第组胚胎图像数据记为，且，其中，表示中的第张胚胎图像，表示中胚胎图像的数量，是一张胚胎图像的高度，是一张胚胎图像的宽度；记为中的第张胚胎图像且为最佳聚焦图像，； 步骤2：灰度化后得到第组灰度胚胎图像数据，其中，表示的灰度胚胎图像，令表示的灰度胚胎图像； 步骤3：将分别与前个灰度胚胎图像进行组合，得到第1种通道类别的第组胚胎图像双通道组合数据，其中，为第1种通道类别的第组中第个胚胎图像双通道组合数据，，且，表示前个灰度胚胎图像中第个灰度胚胎图像，其中，的第一个通道的数据由灰度图像构成；的第二个通道的数据由灰度图像构成；的真实通道类别标签记为； 步骤4：将分别与后个灰度胚胎图像进行组合，得到第2种通道类别的第组胚胎图像双通道组合数据，其中，为第2种通道类别的第组中第个胚胎图像双通道组合数据，其中，，且，表示后个灰度胚胎图像中第个灰度胚胎图像，其中，的第一个通道的数据由灰度图像构成；的第二个通道的数据由灰度图像构成；的真实通道类别标签记为； 步骤5：构建融合位置信息的ConvNeXt网络，并对和分别进行处理，相应得到的二分类概率和的二分类概率，其中，和分别是属于第1种通道类别和第2种通道类别的概率，而和分别是属于第1种通道类别和第2种通道类别的概率；其中，位置信息为ConvNeXt网络的第a个ConvNeXt模块中的位置信息融合模块对第1种通道类别的第组中第个经过深度卷积模块处理后的第个深度卷积特征矩阵进行计算后，得到的第1种通道类别的第组中第个灰度胚胎图像的第个位置信息；其中，k表示最佳聚焦图像所对应的图像序号，x为第组中任一灰度胚胎图像的序号；a表示ConvNeXt网络中ConvNeXt模块的序号； 步骤6：利用式1构建ConvNeXt网络的总损失函数： 1 式1中，表示第一损失函数，表示第二损失函数； 步骤7：使用反向传播算法和优化器来最小化总损失函数，以对融合位置信息的ConvNeXt网络进行训练并更新网络参数，当达到预设的最大训练轮数或总损失函数收敛时，停止训练，并得到训练后的最佳聚焦图像二分类模型，用于实现最佳聚焦图像的筛选。

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合肥工业大学，其通讯地址为：230009 安徽省合肥市包河区屯溪路193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。