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！

龙图腾网恭喜上海交通大学申请的专利基于多分辨率的全视野病理切片图像肿瘤快速定位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：CN114445356B 。

龙图腾网通过国家知识产权局官网在2025-03-18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：202210058387.0，技术领域涉及：G06T7/00；该发明授权基于多分辨率的全视野病理切片图像肿瘤快速定位方法是由杨杰;王睿设计研发完成，并于2022-01-19向国家知识产权局提交的专利申请。

本基于多分辨率的全视野病理切片图像肿瘤快速定位方法在说明书摘要公布了：本发明提供一种基于多分辨率的全视野病理切片图像肿瘤快速定位方法，包括：构建图像块训练集；利用所述图像块训练集，获得两个分类模型；先后使用两个分类模型对全视野病理切片进行预测，获得定位结果。本发明在保证图像细节信息不充分损失的情况下，分别训练两种预设分辨率的模型，一个分类模型采用更快速的全卷积网络，另一个分类模型添加高效的特征提取模块。相比传统框架采用单一分辨率下进行定位，在保证定位精度的情况下，实现了快速定位全视野病理切片上肿瘤区域。

本发明授权基于多分辨率的全视野病理切片图像肿瘤快速定位方法在权利要求书中公布了：1.一种基于多分辨率的全视野病理切片图像肿瘤快速定位方法，其特征在于，包括：构建图像块训练集；利用所述图像块训练集，获得两个分类模型；先后使用两个分类模型对全视野病理切片进行预测，获得定位结果；所述构建图像块训练集包括一组低分辨率数据集和一组高分辨率数据集；所述两个分类模型包括低分辨率模型和高分辨率模型，其经过训练均具备不同放大倍率下的肿瘤与正常组织特征参数；训练低分辨率模型，包括：使用所述低分辨率数据集训练全卷积分类网络，所述全卷积分类网络以Resnet18作为骨干网络；将所述全卷积分类网络的全连接层替换为全卷积层，并控制最后一层的卷积通道数为类别数；对低分辨率数据集中的阳性样本加权，输入所述全卷积分类网络训练；将训练好的不同卷积网络中不同层级的特征图进行融合并获得多尺度特征；Out＝concats1+s2+s3其中s1,s2,s3为Resnet18网络中的不同层级的特征输出图，concat为串连融合，Out为多尺度的融合特征；所述先后使用两个分类模型对全视野病理切片进行预测，获得定位结果，包括：使用所述低分辨率模型，对所述全视野病理切片进行预测，得到粗略定位概率图；获取所述粗略定位概率图中的异常像素点；将所述异常像素点通过所述高分辨率模型进行判断，重新得到该像素位置的概率值，并得到最终定位概率图；所述使用低分辨率模型，对全视野病理切片进行预测，得到粗略定位概率图，包括：原尺寸全视野病理切片为Slevel_0，通过双线性插值的方法将获取预设倍率的低放大倍率全视野病理切片图像Slevel_i，i＝1,2,3；通过预设大小的滑动窗SW和固定步长SS，在低放大倍率全视野病理切片上滑动采样；将所述滑动采样输入至低分辨率模型中，低分辨率模型的下采样因子为2n；将滑动窗样本计算出的结果进行拼接，生成原尺寸12n+i大小的粗略定位概率图；所述获取所述粗略定位概率图中的异常像素点，包括：若像素点的概率值大于阈值，则确定所述像素点为异常像素点；所述对于异常像素点使用高分辨率模型判断，重新得到该像素位置的概率值，得到最终的定位概率图，包括：所述粗略概率图上像素坐标与该点在原尺寸全视野病理切片像素位置关系为：Xl0,Yl0＝Xln×2n+i,Yln×2n+i其中Xln,Yln为粗概率图上异常坐标点，Xl0,Yl0为最大放大倍率下全视野切片上的坐标点；以Xl0,Yl0作为采样中心提取预设大小的图像块，输入至高分辨率模型；高分辨率模型的下采样因子为2n+i，更新得到Xln,Yln像素点的类别。

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上海交通大学，其通讯地址为：200240 上海市闵行区东川路800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”。