買(mǎi)專利賣(mài)專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉南開(kāi)大學(xué)申請(qǐng)的專利基于跨模態(tài)訓(xùn)練的細(xì)胞類(lèi)型和細(xì)胞豐度識(shí)別方法及系統(tǒng)獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN120148030B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-08-29發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202510327527.3，技術(shù)領(lǐng)域涉及：G06V20/69；該發(fā)明授權(quán)基于跨模態(tài)訓(xùn)練的細(xì)胞類(lèi)型和細(xì)胞豐度識(shí)別方法及系統(tǒng)是由劉健;閆朝陽(yáng);陳嬌設(shè)計(jì)研發(fā)完成，并于2025-03-19向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本基于跨模態(tài)訓(xùn)練的細(xì)胞類(lèi)型和細(xì)胞豐度識(shí)別方法及系統(tǒng)在說(shuō)明書(shū)摘要公布了：本發(fā)明提出了基于跨模態(tài)訓(xùn)練的細(xì)胞類(lèi)型和細(xì)胞豐度識(shí)別方法及系統(tǒng)，涉及圖像處理領(lǐng)域，針對(duì)的問(wèn)題是：現(xiàn)有識(shí)別技術(shù)多依賴于手動(dòng)標(biāo)注位置注釋信息等非標(biāo)準(zhǔn)因素，未能充分利用組織病理圖像中的豐富形態(tài)模式，影響識(shí)別可靠性和準(zhǔn)確性。該方法獲取病理圖像?基因表達(dá)匹配的空間轉(zhuǎn)錄組學(xué)數(shù)據(jù)，對(duì)其進(jìn)行預(yù)處理，得到高表達(dá)基因表達(dá)數(shù)據(jù)、局部圖像塊、細(xì)胞類(lèi)型及豐度標(biāo)簽；構(gòu)建跨模態(tài)聯(lián)合表示學(xué)習(xí)模型，將高表達(dá)基因表達(dá)數(shù)據(jù)和局部圖像塊輸入至該模型進(jìn)行訓(xùn)練；基于訓(xùn)練好的模型對(duì)待預(yù)測(cè)的組織學(xué)圖像進(jìn)行預(yù)測(cè)。本發(fā)明解決了現(xiàn)有技術(shù)存在的問(wèn)題，提高了從組織學(xué)圖像預(yù)測(cè)細(xì)胞豐度的能力，還充分揭示了細(xì)粒度細(xì)胞類(lèi)型的空間分布。

本發(fā)明授權(quán)基于跨模態(tài)訓(xùn)練的細(xì)胞類(lèi)型和細(xì)胞豐度識(shí)別方法及系統(tǒng)在權(quán)利要求書(shū)中公布了：1.一種基于跨模態(tài)訓(xùn)練的細(xì)胞類(lèi)型和細(xì)胞豐度識(shí)別方法，其特征在于，包括： 獲取病理圖像-基因表達(dá)匹配的空間轉(zhuǎn)錄組學(xué)數(shù)據(jù)； 對(duì)所述病理圖像-基因表達(dá)匹配的空間轉(zhuǎn)錄組學(xué)數(shù)據(jù)進(jìn)行預(yù)處理，得到預(yù)處理后的綜合數(shù)據(jù)集，其中，包括高表達(dá)基因表達(dá)數(shù)據(jù)、局部圖像塊、細(xì)胞類(lèi)型及細(xì)胞豐度標(biāo)簽； 構(gòu)建跨模態(tài)聯(lián)合表示學(xué)習(xí)模型，將高表達(dá)基因表達(dá)數(shù)據(jù)和局部圖像塊輸入至跨模態(tài)聯(lián)合表示學(xué)習(xí)模型進(jìn)行訓(xùn)練，得到訓(xùn)練好的跨模態(tài)聯(lián)合表示學(xué)習(xí)模型； 基于訓(xùn)練好的跨模態(tài)聯(lián)合表示學(xué)習(xí)模型，對(duì)待預(yù)測(cè)的組織學(xué)圖像進(jìn)行細(xì)胞類(lèi)型和細(xì)胞豐度預(yù)測(cè)； 將高表達(dá)基因表達(dá)數(shù)據(jù)和局部圖像塊輸入至跨模態(tài)聯(lián)合表示學(xué)習(xí)模型進(jìn)行訓(xùn)練，具體過(guò)程為： 將局部圖像塊輸入至形態(tài)學(xué)模態(tài)表示模塊，得到圖像特征嵌入；其中，形態(tài)學(xué)模態(tài)表示模塊包括特征骨干模塊和變換層，具體過(guò)程為： 通過(guò)特征骨干模塊提取局部圖像塊的形態(tài)特征； 將局部圖像塊的形態(tài)特征輸入至變換層進(jìn)行非線性變換，得到圖像塊特征嵌入； 將高表達(dá)基因表達(dá)數(shù)據(jù)輸入至分子模態(tài)表示模塊，得到分子表達(dá)嵌入；其中，分子模態(tài)表示模塊包括自歸一化網(wǎng)絡(luò)模塊和變換層，具體過(guò)程為： 通過(guò)自歸一化網(wǎng)絡(luò)模塊，對(duì)高表達(dá)基因表達(dá)數(shù)據(jù)進(jìn)行特征增強(qiáng)，得到增強(qiáng)后的高表達(dá)基因表達(dá)數(shù)據(jù)； 通過(guò)變換層，將增強(qiáng)后的高表達(dá)基因表達(dá)數(shù)據(jù)映射為分子表達(dá)嵌入； 將圖像特征嵌入和分子表達(dá)嵌入輸入至跨模態(tài)嵌入對(duì)齊模塊，分別得到細(xì)胞類(lèi)型的預(yù)測(cè)豐度值和原始基因表達(dá)模式；其中，包括多層感知器和解碼器，具體過(guò)程為： 將圖像塊特征嵌入和分子表達(dá)嵌入對(duì)齊； 將對(duì)齊的圖像塊特征嵌入輸入至多層感知器，得到細(xì)胞類(lèi)型的預(yù)測(cè)豐度值； 將對(duì)齊的分子表達(dá)嵌入輸入至解碼器，重構(gòu)原始基因表達(dá)模式。

如需購(gòu)買(mǎi)、轉(zhuǎn)讓、實(shí)施、許可或投資類(lèi)似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人南開(kāi)大學(xué)，其通訊地址為：300350 天津市津南區(qū)海河教育園區(qū)同硯路38號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。