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！

龙图腾网获悉苏州大学申请的专利一种基于多样性受控引导生成的病理图像分割增强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：CN121564350B 。

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：202610076656.4，技术领域涉及：G06V10/26；该发明授权一种基于多样性受控引导生成的病理图像分割增强方法是由付国宏;漆力瑞;何红亮设计研发完成，并于2026-01-21向国家知识产权局提交的专利申请。

本一种基于多样性受控引导生成的病理图像分割增强方法在说明书摘要公布了：本发明公开了一种基于多样性受控引导生成的病理图像分割增强方法，涉及病理图像分析技术领域，该方法包括：对病理图像块进行多尺度自监督风格聚类；在各风格聚类内按细胞类别构建语义原型特征；以细胞核质心图与经原型特征动态调整后的参考图像特征作为条件，通过交叉注意力与残差密集模块融合，构建生成引导条件；基于该条件驱动扩散模型，端到端同步生成病理图像及对应的实例级细胞核标签。本发明通过聚类与原型机制约束了生成样本的病理合理性与多样性范围，有效避免了结构异常与无效样本的产生，同时实现了图像与标签的高效协同生成，为病理图像分割模型提供了高质量、多样化的训练数据，显著提升了分割模型的精度与鲁棒性。

本发明授权一种基于多样性受控引导生成的病理图像分割增强方法在权利要求书中公布了：1.一种基于多样性受控引导生成的病理图像分割增强方法，其特征在于，包括以下步骤： S1.数据预处理：获取原始病理图像及对应的细胞核质心图，将原始病理图像裁剪为预设尺寸的图像块，以所述细胞核质心图与原始病理图像块作为基础输入数据； S2.风格聚类处理：通过风格聚类模块对所述图像块执行多尺度自监督聚类，具体包括： S21.为每个图像块构建全局视野与局部视野，所述全局视野聚焦组织结构特征，所述局部视野聚焦细胞核微观形态特征； S22.采用双编码器协同架构提取特征，通过教师模型编码器提取全局视野的全局上下文特征，通过学生模型编码器经双线性插值尺度对齐后，融合全局视野与局部视野的特征； S23.基于DINO损失函数优化双编码器的特征学习一致性，其中教师模型通过指数移动平均算法更新参数，学生模型通过梯度下降法更新参数； S24.将学生模型输出特征投影至低维空间，采用层次化密度聚类算法自动聚类为包含个风格聚类的集合，根据预设策略选择参考图像； S3.类别原型构建与特征调整：通过多样性原型模块实现语义与风格的协同约束，具体包括： S31.按预设细胞类别拆分各风格聚类中的图像块，通过扩散模型的U-Net条件编码器提取每个类别的区域特征； S32.计算每个类别在对应风格聚类中的特征均值，得到类别原型特征； S33.提取参考图像的类别参考特征，计算所述类别参考特征与对应类别原型特征的余弦相似度作为融合权重，通过线性插值动态调整参考特征，得到调整后特征； S4.特征融合与生成条件构建：通过多样性控制模块实现风格与结构的双重调控，具体包括： S41.依据细胞类别生成二值类别掩码，通过逐元素乘积运算得到单类别子图； S42.提取单类别子图的图像特征，将其作为查询向量，以细胞核质心图的位置特征作为键向量和值向量，执行交叉注意力计算，得到融合关联信息的注意力特征； S43.拼接多类别注意力特征，通过残差密集模块分别处理注意力特征与位置特征，将处理结果逐元素相加得到最终生成条件； S5.扩散模型训练与图像生成：基于U-Net架构的扩散模型，以所述最终生成条件为引导，采用多任务损失函数优化模型训练，所述多任务损失函数包括均方误差损失与KL散度损失；训练完成后，通过前向加噪与反向去噪流程，端到端同步生成符合病理合理性的病理图像及对应的实例级细胞核标签。

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苏州大学，其通讯地址为：215299 江苏省苏州市吴江区久泳西路1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。