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！

龙图腾网获悉云南师范大学申请的专利基于特征信息引导的病理图像分类集成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：CN120808041B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202511051934.2，技术领域涉及：G06V10/764；该发明授权基于特征信息引导的病理图像分类集成方法是由户战选;赵王栋;邰永航;方达设计研发完成，并于2025-07-29向国家知识产权局提交的专利申请。

本基于特征信息引导的病理图像分类集成方法在说明书摘要公布了：本发明涉及基于特征信息引导的病理图像分类集成方法，属人工智能与医学图像处理领域。包括：获取未标注的病理图像补丁数据集；利用多个预训练视觉语言模型提取各自的视觉嵌入特征与类别概率分布；通过平均融合方式集成多模型的预测结果，获得稳健的初步语义预测；将多模型视觉特征拼接构建联合表征，并利用高斯混合模型建模类条件结构先验；引入KL散度构建双重对齐目标函数，对语义预测与结构先验进行联合优化；通过块坐标下降法交替优化标签分布与结构先验参数，实现两者的相互引导与增强。本发明充分融合多模型知识与结构信息，有效提升了病理图像的分类性能与泛化能力，为智能病理辅助诊断提供了更加准确与高效的解决方案。

本发明授权基于特征信息引导的病理图像分类集成方法在权利要求书中公布了：1.基于特征信息引导的病理图像分类集成方法，其特征在于，所述方法包括： Step1、获取输入图像补丁数据集，该数据集为未标注的病理图像补丁集合； Step2、利用多个预训练的视觉语言模型分别对每个图像补丁进行处理，提取模型对应的视觉嵌入特征和类别概率预测，形成多模型的表示输出； Step3、对多个模型的类别预测结果进行集成，采用平均融合方式获得稳定的初步语义预测分布； Step4、将各模型的视觉嵌入特征进行拼接，构建多模型多视角视觉联合特征，并通过高斯混合模型建模类条件结构先验，获得样本在结构空间中的类别分布； Step5、构建联合优化目标函数，引入结构先验分布与语义预测结果，通过KL散度进行双重对齐，优化最终的标签分布； Step6、采用块坐标下降算法交替优化标签分布与高斯混合模型GMM参数，通过闭式更新迭代收敛，实现结构先验与语义预测的相互引导与增强； 所述Step2中，选取M个多模态预训练的视觉语言模型，每个模型对输入图像补丁输出一组视觉嵌入特征，其中为模型m的图像编码器，同时，计算该图像属于每个类别的概率分布：，其中每个类别的概率由图像与类别文本描述的相似度通过温度缩放的softmax函数计算得到，其中表示图像与第k类文本的相似度分数，τ为温度参数，用于控制类别概率分布的置信度平滑程度，K为类别数量，表示K维概率单纯形，用于确保每个软标签都构成对各类别的有效概率分布； 所述Step3包括如下： 给定来自M个多模态预训练的视觉语言模型的类别概率集合，先采用元素平均集成方式得到平滑的初步预测如下： ； 其中，.表示常见的集成学习方法对输出进行整合，是基于对输入的多个预测向量按元素进行平均操作。

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云南师范大学，其通讯地址为：650500 云南省昆明市呈贡区聚贤街768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。