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！

龙图腾网获悉暨南大学申请的专利一种无需HE染色的数字化冰冻切片术中快速辅助诊断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：CN120543537B 。

龙图腾网通过国家知识产权局官网在2026-03-13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：202510869106.3，技术领域涉及：G06T7/00；该发明授权一种无需HE染色的数字化冰冻切片术中快速辅助诊断方法是由王露;董洪梅;林宇晟;杨亚兵;马佳康;刘雨浩;陈怡棱设计研发完成，并于2025-06-26向国家知识产权局提交的专利申请。

本一种无需HE染色的数字化冰冻切片术中快速辅助诊断方法在说明书摘要公布了：本发明提供了一种无需HE染色的数字化冰冻切片术中快速辅助诊断方法，属于术中实时辅助诊断技术领域，包括：扫描冰冻切片、图像预处理、构建虚拟染色神经网络模型、构建深度学习诊断模型、结果显示与人工交互和生成术中报告。本发明提供的无需HE染色的数字化冰冻切片术中快速辅助诊断方法，直接对未染色的冰冻切片图像进行扫描并输入虚拟染色模型，省略传统HE染色步骤，提升了术中诊断效率。本发明使用虚拟染色图像直接输入至预训练的病例诊断深度学习模型，进行实时诊断和病变识别。本发明解决了虚拟图与真实图之间的诊断一致性问题，实现了跨模态AI诊断。

本发明授权一种无需HE染色的数字化冰冻切片术中快速辅助诊断方法在权利要求书中公布了：1.一种无需HE染色的数字化冰冻切片术中快速辅助诊断方法，其特征在于，包括： 步骤一：扫描冰冻切片； 步骤二：图像预处理； 步骤三：构建虚拟染色神经网络模型； 使用Pix2Pix模型架构构建虚拟染色神经网络模型，输入为未染色图像，输出为仿HE染色图； 通过标注数据集对虚拟染色神经网络模型进行训练； 步骤四：构建深度学习诊断模型；基于ResNetViT结构，用真实HE切片数据进行预训练，输入为虚拟染色图像，输出为类别标签、病灶分割图和恶性概率分值；支持肿瘤检测、边界识别和人工交互； 步骤五：结果显示与人工交互；通过交互式软件界面同时显示原图、虚拟HE图、模型诊断建议；医生可选择采信、修改或添加注释； 步骤六：生成术中报告； 损失函数采用Pix2Pix标准损失函数组合，包含： 对抗损失函数：； 重建损失函数：用于保持生成图像与真实HE图像的结构一致性，定义为： ； 总损失函数为： ； 其中，G：生成器，用于生成假图像； D：判别器，用于判断图像是真实的还是生成的； x：输入图像； y：真实的目标图像； λ：用于权衡对抗损失和重建损失的超参数； 所述深度学习诊断模型的多任务输出分支是基于主干网络输出的特征张量，设计三类输出模块： 分类分支：全连接层输出类别标签，采用Softmax激活； 分割分支：轻量级U-Net解码器，输出与原图等尺寸的掩码图； 恶性概率分支：全连接层输出一个0~1之间的回归概率值，采用Sigmoid激活； 所述深度学习诊断模型的损失函数采用多任务联合训练目标，整体损失函数如下： 分类损失： 分割损失： 恶性预测损失：； 其中，α,β,γ：权重系数，用来调整各部分损失的重要程度； y：真实标签； ：预测的概率分布； P：预测的分割区域； V：真实的分割区域； N：样本数量； p i ：第i个样本的真实恶性概率； i ：模型预测的概率。

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暨南大学，其通讯地址为：510632 广东省广州市天河区黄埔大道西601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。