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！

龙图腾网恭喜福州大学申请的专利乳腺癌切缘识别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：CN116012839B 。

龙图腾网通过国家知识产权局官网在2025-05-09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：202310073803.9，技术领域涉及：G06V20/69；该发明授权乳腺癌切缘识别方法是由王舒;孙新全;刘文犀;许飞;刘晓翔设计研发完成，并于2023-01-18向国家知识产权局提交的专利申请。

本乳腺癌切缘识别方法在说明书摘要公布了：本发明涉及一种基于多光子肿瘤相关胶原特征的乳腺癌切缘识别方法，包括：获取乳腺癌多光子图像；根据乳腺癌多光子图像中的肿瘤相关胶原特征，在乳腺癌多光子图像中采集设定数量的图像块，对其进行数据清洗和数据预处理，构造训练数据集；构建组织成分识别模块并用其学习训练数据集中的特征信息；根据乳腺组织病理特点和临床肿瘤切除原则，构建组织成分可视化模块，显示组织成分识别结果；对给定的乳腺癌多光子图像进行从局部到整体的识别，以滑动窗口的方式重叠地将图像块输入到组织成分识别模块，输出组织成分类别；最后将所有的组织成分识别结果整合，形成最终的切缘识别结果。该方法有利于快速、自动地识别切除范围和乳腺癌切缘位置。

本发明授权乳腺癌切缘识别方法在权利要求书中公布了：1.一种乳腺癌切缘识别方法，其特征在于，包括以下步骤：步骤S1：根据乳腺组织的多光子激发特性选择激发波长，获取对应激发波长的乳腺癌多光子图像；步骤S2：根据乳腺癌多光子图像中的肿瘤相关胶原特征，在乳腺癌多光子图像中采集设定数量的图像块，对其进行数据清洗和数据预处理，构造训练数据集；步骤S3：构建组织成分识别模块，并使用所构建的组织成分识别模块学习训练数据集中的特征信息；步骤S4：根据乳腺组织病理特点和临床肿瘤切除原则，构建组织成分可视化模块，显示组织成分识别结果；步骤S5：对给定的乳腺癌多光子图像进行从局部到整体的识别，以滑动窗口的方式重叠地将图像块输入到组织成分识别模块，输出组织成分类别；最后将所有的组织成分识别结果整合，形成最终的切缘识别结果；步骤S3具体包括以下步骤：步骤S31：构建具有残差结构的组织成分识别网络，分为三个阶段，由下采样层、中间层和分类层组成；网络的输入为图像块X，输出为组织成分类别Y；第一阶段的下采样层由1个卷积层和1个池化层组成；将原图像块X输入到一个卷积核为7×7，激活函数为ReLU的卷积层，并通过一个卷积核为3×3，激活函数为Max的池化层，完成图像到特征图的转换，得到特征图F0，具体表达式为：F0＝MaxConvX其中，X表示输入的图像块；第二阶段的中间层由8个串联的残差模块组成，用来提取可描述乳腺组织成分的高维特征；残差模块结构相同，由两个卷积核为3×3，步长为1的卷积层组成；通过8个串联的残差模块来提取图像块的高维特征，计算公式为：S0＝ConvConvF0+F0S1＝ConvConvS0+S0……S7＝ConvConvS6+S6其中，S0、S1、…、S7表示每个残差模块的输出特征，将最后一个残差模块输出的特征S7作为中间层提取到的最高维度特征F1；第三阶段的分类层由1个池化层、1个全连接层和1个回归层串联组成；先将中间层提取到的最高维特征输入到一个卷积核为1×1，激活函数为Average的池化层，得到一个平均后的高维特征；再通过一个激活函数为ReLU的全连接层，整合具有区分性的高维度特征，得到一个一维向量；再通过一个激活函数为Softmax的回归层进行分类，最终得到图像块的组织成分识别结果Y；计算公式为：Y＝SoftmaxAverageConvF1其中，Y表示输出的组织成分识别结果；步骤S32：将训练数据集中的目标类别以统一的方式划分为：训练集、验证集和测试集；利用反向传播方法计算网络中各参数的梯度，并利用随机梯度下降方法更新网络中的参数；步骤S4具体包括以下步骤：步骤S41：根据乳腺组织病理特点，将乳腺癌多光子图像中的识别目标划分为三类集合：肿瘤细胞集、肿瘤细胞浸润集以及浸润前沿集；其中，肿瘤细胞集包括：肿瘤相关胶原特征1-3和肿瘤细胞；肿瘤细胞浸润集包括：肿瘤相关胶原特征4-6；浸润前沿集包括：肿瘤相关胶原特征7-8、脂肪、正常胶原、正常小叶、正常导管和正常细胞；步骤S42：根据临床肿瘤切除原则，将三类集合划分为切除区域和保留区域，并设计识别结果可视化模块对其加以区分；设置肿瘤细胞集和肿瘤细胞浸润集为切除区域，用暖色系颜色表示不同的识别目标；设置浸润前沿集为保留区域，用冷色系颜色表示不同的识别目标。

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福州大学，其通讯地址为：350108 福建省福州市闽侯县福州大学城乌龙江北大道2号福州大学；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”。