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！

龙图腾网获悉青岛科技大学申请的专利一种用于干细胞培养全过程的活性评估方法及系统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：CN121330676B 。

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：202511912681.3，技术领域涉及：G06V20/69；该发明授权一种用于干细胞培养全过程的活性评估方法及系统是由李少远;胡业成;李思宏;张峻烨;王立生;武芝;董国秀设计研发完成，并于2025-12-18向国家知识产权局提交的专利申请。

本一种用于干细胞培养全过程的活性评估方法及系统在说明书摘要公布了：本发明公开了一种用于干细胞培养全过程的活性评估方法及系统，属于干细胞培养技术领域，技术方案为，通过显微成像系统周期性采集干细胞显微图像，获取覆盖0–100%汇合度区间的干细胞显微图像并进行预处理；对预处理后的显微图像进行弱监督分割，得到形态分割图；对预处理后的显微图像通过二维离散小波变换进行递归多层分解获取纹理特征图；将分割图和纹理特征图输入卷积神经网络进行卷积计算之后进行展平得到形态特征向量和纹理特征向量；将形态特征向量与纹理特征向量进行拼接得到融合特征向量；将融合特征向量输入评估网络输出活性评分。本发明的有益效果为：提供了用于干细胞培养全过程的活性评估方法及系统。

本发明授权一种用于干细胞培养全过程的活性评估方法及系统在权利要求书中公布了：1.一种用于干细胞培养全过程的活性评估方法，其特征在于，包括： 在干细胞接种期、对数生长期及平台期，通过显微成像系统周期性采集干细胞显微图像，获取覆盖0–100%汇合度区间的干细胞显微图像并进行预处理； 对预处理后的显微图像进行弱监督分割，得到形态分割图； 对预处理后的显微图像通过二维离散小波变换进行递归多层分解获取纹理特征图； 将分割图和纹理特征图输入卷积神经网络进行卷积计算之后进行展平得到形态特征向量和纹理特征向量； 将形态特征向量与纹理特征向量进行拼接得到融合特征向量；将融合特征向量输入评估网络输出活性评分； 对预处理后的显微图像进行弱监督分割，得到形态分割图，包括： 基于U-Net架构构建分割网络，并采用BarlowTwins自监督学习方法对其编码器在无标注干细胞图像上进行预训练； 在少量具备细胞边界标注的图像上，对预训练的U-Net进行弱监督微调，训练时采用如下分割损失，包括： 加权二值交叉熵损失，对细胞像素赋予更高权重，其定义如下： 其中，M表示图像中的像素总个数，表示像素点的真实标签，背景为0，细胞为1；为模型预测该像素属于细胞的概率；是用于平衡细胞像素权重的系数； 尺寸约束损失：根据干细胞直径的统计范围，对每个连通区域的等效直径施加惩罚，使其位于范围内，其定义如下： 其中，表示第i个连通区域的等效直径，由区域面积换算为圆直径得到，单位为微米，其值由连通区域面积等效为圆面积计算得出；和分别为生物学合理的最小与最大细胞直径阈值；N为连通区域的总数； 形状规则性约束损失：根据生理上正常细胞的长宽比，最小化各连通区域长宽比与理想长宽比之间的偏差，其定义如下： 其中，为第i个连通区域的长宽比，为理想长宽比常数，N为连通区域的总数； 边界平滑度约束损失：以相邻边界点构成的向量夹角余弦为指标，抑制局部边界角度突变，其定义如下： 式中表示细胞边界上连续三个点构成的两个向量之间的夹角，用于衡量局部转向程度；K为边界点总数； 分割损失综合了上述所有损失项，对U-Net进行训练，使网络在有限标注数据下获得高精度的形态分割图，其定义为： 其中、和为用于调节各类形态约束权重的超参数； 对预处理后的显微图像通过二维离散小波变换进行递归多层分解获取纹理特征图，包括： 对预处理后的图像执行二维离散小波变换，按预设分解层数进行多级分解，经一级产生一个低频近似子带LL和三个高频细节子带LH、HL、HH； 对每一分解层的高频细节子带进行保留，并采用双线性上采样方式将不同层级高频细节子带统一到与原始图像或目标特征图一致的空间尺寸； 将上采样后的各尺度LH、HL、HH子带在通道维度进行拼接，得到多尺度、多方向纹理特征图。

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青岛科技大学，其通讯地址为：266061 山东省青岛市崂山区松岭路99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。