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！

龙图腾网获悉四川大学华西医院;四川科莫生医疗科技有限公司申请的专利一种双聚类过程的显微图像核心语义文本生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：CN121725470B 。

龙图腾网通过国家知识产权局官网在2026-05-05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：202610222870.6，技术领域涉及：G06V20/69；该发明授权一种双聚类过程的显微图像核心语义文本生成方法是由李冬冬;王远芳;吴重阳;邓加;王建华;刘力铭设计研发完成，并于2026-02-25向国家知识产权局提交的专利申请。

本一种双聚类过程的显微图像核心语义文本生成方法在说明书摘要公布了：本发明公开了一种双聚类过程的显微图像核心语义文本生成方法，属于医学图像处理技术领域。本发明通过大语言模型获取通用语义集合，对显微图像处理后得到各类别显微目标图像集合；将两者预处理后输入训练完成的图像‑文本模型，生成文本与图像表示向量，经余弦相似度计算构建类别‑语义相似矩阵；对矩阵提取不同相似集合，分别做类内、类间聚类，得到各类别的泛化、判别语义文本集合；取两类集合交集，得到核心语义文本。本发明通过双聚类策略实现显微图像语义精准筛选，生成的核心语义文本兼具泛化性与判别性，提升了语义对齐质量，可为多模态模型微调提供高质量语义数据支撑。

本发明授权一种双聚类过程的显微图像核心语义文本生成方法在权利要求书中公布了：1.一种双聚类过程的显微图像核心语义文本生成方法，其特征在于，包括以下步骤： S1、采用大语言模型获取通用语义集合； S2、对显微图像剪切出目标图像，并放缩处理，再分别粘贴到背景图像上，归类得到每个类别显微目标图像集合； S3、将通用语义集合和每个类别显微目标图像集合均进行预处理后，输入已经训练的图像-文本模型，得到文本表示向量和图像表示向量； S4、根据文本表示向量与图像表示向量计算余弦相似度，构建类别-语义相似矩阵； S5、对类别-语义相似矩阵提取图像-文本相似集合，并做类内聚类处理，得到每个类别的泛化语义文本集合； S6、对类别-语义相似矩阵提取文本-图像相似集合，并作类间聚类处理，得到每个类别的判别语义文本集合； S7、将同一类别的判别语义文本集合与泛化语义文本集合取交集，得到核心语义文本； 所述S5包括以下分步骤： S51、在类别-语义相似矩阵中提取第个类别对应的所有余弦相似度，得到第个类别的图像-文本相似集合，为类别的编号； S52、根据聚类目标函数，对第个类别的图像-文本相似集合进行聚类处理，得到该类别对应的多个泛化语义中心； S53、在每个泛化语义中心中提取相似度最高的多个候选语义文本，构成该类别的泛化语义文本集合； 所述S52中聚类目标函数的表达式为： ， 其中，为聚类目标函数，为第个类别的图像-文本相似集合，为第个类别的图像-文本相似集合中第个余弦相似度，为第个类别的第个聚类中心，为欧氏距离平方，为聚类中心的编号，为第个类别的图像-文本相似集合中余弦相似度的编号，为聚类中心的数量； 所述S6包括以下分步骤： S61、在类别-语义相似矩阵中找到第个候选语义文本与第个类别对应的余弦相似度，构成第个候选语义文本与第个类别的文本-图像相似集合，为候选语义文本的编号，为类别的编号； S62、计算第个候选语义文本与第个类别的文本-图像相似集合中各个余弦相似度的均值，得到第个候选语义文本对第个类别的文本语义中心； S63、找到所有候选语义文本对第个类别最大的文本语义中心，得到第个类别的对比文本语义中心； S64、将第个候选语义文本对第个类别的文本语义中心与第个类别的对比文本语义中心做差，得到候选语义文本对第个类别的类间判别得分； S65、在第个类别上，筛选类间判别得分大于阈值的候选语义文本，构成第个类别的判别语义文本集合。

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四川大学华西医院;四川科莫生医疗科技有限公司，其通讯地址为：610000 四川省成都市武侯区国学巷37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。