買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉太原理工大學申請的專利一種基于深度學習的乳腺癌病理圖像分類裝置及方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN116524226B 。

龍圖騰網通過國家知識產權局官網在2025-09-05發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202310151308.5，技術領域涉及：G06V10/764；該發明授權一種基于深度學習的乳腺癌病理圖像分類裝置及方法是由王彬;張會敏;相潔;李穎;李丹丹設計研發完成，并于2023-02-22向國家知識產權局提交的專利申請。

本一種基于深度學習的乳腺癌病理圖像分類裝置及方法在說明書摘要公布了：本發明提供了一種基于深度學習的乳腺癌病理圖像分類裝置及方法，屬于圖像識別技術領域；解決了由于乳腺組織病理圖像復雜、信息交織臨床上對乳腺癌診斷耗時又耗力的問題；包括如下步驟：獲取乳腺組織病理圖像并對圖像進行預處理；利用空洞卷積和并行卷積分支結構，在每個分支上添加參數可調的激活因子并結合殘差連接得到感受野尺度注意力模塊；基于感受野尺度注意力模塊搭建第一級神經網絡，基于圖像塊patch提取特征，訓練特征提取器；通過平鋪的特征融合模塊對patch特征做融合；基于殘差混合注意力模塊搭建第二級神經網絡，基于特征融合后的特征圖提取全局特征實現圖像級別的預測分類，訓練網絡并保存最終模型；本發明應用于乳腺癌病理圖像的分類。

本發明授權一種基于深度學習的乳腺癌病理圖像分類裝置及方法在權利要求書中公布了：1.一種基于深度學習的乳腺癌病理圖像分類裝置，其特征在于：包括： 病理切片掃描儀，用于掃描乳腺組織切片獲取乳腺病理圖像； 處理器：所述處理器與病理切片掃描儀連接，所述處理器包括預處理模塊、檢測模塊、分析模塊，所述預處理模塊用于將病理切片掃描儀獲取的乳腺病理圖像進行圖像歸一化和標準化預處理； 所述檢測模塊用于將預處理后的乳腺病理圖像輸入到輕量化深度學習模型，先提取圖像塊特征，并進行特征融合，再提取全局特征，通過提取到的乳腺癌病理圖像特征實現對乳腺病理圖像的分類； 所述輕量化深度學習模型基于卷積神經網絡結構，由兩級神經網絡構成，集成感受野尺度注意力模塊、平鋪的特征融合、殘差混合注意力模塊； 第一級神經網絡結構包括：第一層卷積層conv1，采用3×3卷積核，步長為2，并使用BN和ReLU；添加一層感受野尺度注意力模塊；第一層池化層pool1，采用最大池化，窗口大小為3，步長為2；添加一層感受野尺度注意力模塊；第二層卷積層conv2，采用3×3卷積核，步長為2，并使用BN和ReLU；添加一層感受野尺度注意力模塊；第三層卷積層conv3，采用3×3卷積核，步長為2，并使用BN和ReLU；添加一層感受野尺度注意力模塊；然后使用全局平均池化把每個通道的特征圖輸出均值結果作為一個神經元，最后通過一層全連接層和Softmax函數進行分類； 第二級神經網絡結構包括：第一層卷積層conv1，采用1×1卷積核，步長為1，并使用BN和ReLU；第二層卷積層conv2，采用3×3卷積核，步長為1，并使用BN和ReLU；添加一層殘差混合注意力模塊；第三層卷積層conv3，采用3×3卷積核，步長為2，并使用BN和ReLU；第四層卷積層conv4，采用3×3卷積核，步長為1，并使用BN和ReLU；添加一層殘差混合注意力模塊；然后使用全局平均池化把每個通道的特征圖輸出均值結果作為一個神經元，最后通過一層全連接層和Softmax函數進行分類； 所述分析模塊用于根據輕量化深度學習模型提取到的乳腺癌病理圖像特征對乳腺病理圖像進行可視化分析，分析結果在顯示屏上進行顯示。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人太原理工大學，其通訊地址為：030024 山西省太原市迎澤西大街79號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。