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！

龙图腾网获悉北京航空航天大学;中国医学科学院肿瘤医院申请的专利一种基于多属性嵌入模型的乳腺病理图像分子分型预测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：CN116310553B 。

龙图腾网通过国家知识产权局官网在2026-04-28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：202310261948.1，技术领域涉及：G06V10/764；该发明授权一种基于多属性嵌入模型的乳腺病理图像分子分型预测方法是由白相志;梁尚英;郑闪;赵祖璇;晋达睿设计研发完成，并于2023-03-17向国家知识产权局提交的专利申请。

本一种基于多属性嵌入模型的乳腺病理图像分子分型预测方法在说明书摘要公布了：本发明为一种基于多属性嵌入模型的乳腺病理图像分子分型预测方法，步骤如下：步骤一：基于数字病理切片的图像块深度特征构造多属性分类器，以获取实例级分子水平概率分布；步骤二：构造特征嵌入模块，基于实例级深度特征和最强表征块构建全局特征；步骤三：构造Transformer‑MLP分类器对全局特征进行切片级分子分型预测；步骤四：构造多标签约束的二级分类损失对网络进行联合训练。本发明可构建乳腺病理图像形态学特征和免疫组化分子表型间的关联，同时针对WSI数据弱标签问题，设计了一种基于多属性特征嵌入的弱监督分类方法，实现乳腺癌免疫组化分子分型的准确预测。本发明可与各类计算机病理辅助分析系统相结合，具有广阔市场前景与应用价值。

本发明授权一种基于多属性嵌入模型的乳腺病理图像分子分型预测方法在权利要求书中公布了：1.一种基于多属性嵌入模型的乳腺病理图像分子分型预测方法，其特征在于，步骤如下： 步骤一：基于数字病理切片的图像块深度特征构造多属性分类器，以获取实例级分子水平概率分布；首先经过放大和裁块处理获取数字病理切片中有效图像块，剔除WSI数据中大量空白及污染区域；再以ResNet18和SimCLR对比学习框架为基础网络提取各个图像块的深度特征；针对切片级免疫组化分子水平弱标签和最终分型标签构造以全连接层为主干的四个分类器，分别对图像块深度特征进行分类，计算各个图像块在分子水平及各个分型的概率分布，获取最强表征图像块； 步骤二：构造特征嵌入模块，基于实例级深度特征和最强表征块构建全局特征；以单张切片中所有图像块深度特征构成的实例包作为模块输入，构造维度相同、尺寸一致的实例包特征；以切片中各属性下最强表征块的深度特征为基础，构造分子水平强相关的辅助特征；通过叠加实例包特征和辅助特征构造全局特征，增强全局特征中分子水平关联并弱化局部差异； 步骤三：构造Transformer-MLP分类器对全局特征进行切片级分子分型预测；考虑特征嵌入模块获取的全局特征在原始实例包深度特征嵌入强表征块特征后仍存在弱表征实例带来的噪声，利用Transformer编码器对全局特征进行编码以弱化噪声；构造以两层全连接层为主干的MLP分类对编码特征进行解码，最后计算切片级分子分型预测结果； 步骤四：构造多标签约束的二级分类损失，分别利用分子水平标签和分型标签约束各级特征，通过增强分子关联以平衡各个弱标签之间对全局的依赖性；具体过程如下： 构造多标签约束的二级分类损失；首先，针对图像块多属性分类器中三类分子水平对应的二分类器，分别计算二分类交叉熵损失、和，计算公式为，其中为第个切片的图像块二分类器网络输出，经过sigmoid激活函数归一化后得到概率，代表第个切片的分子水平标签，为样本总数； 针对图像块多属性分类器中乳腺癌四分型对应的四分类器，计算四分类交叉熵损失，计算公式为，其中为第个切片第的图像块四分类器网络输出，归一化后概率为，表示第个切片第的标签，为第对应的超参数以处理标签间样本不均衡问题，为第个切片对应的交叉熵损失。

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北京航空航天大学;中国医学科学院肿瘤医院，其通讯地址为：100191 北京市海淀区学院路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。