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！

龙图腾网获悉哈尔滨理工大学申请的专利一种融合差异化细胞关系和涂片背景的宫颈细胞分类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：CN116758536B 。

龙图腾网通过国家知识产权局官网在2026-04-17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：202310724783.7，技术领域涉及：G06V20/69；该发明授权一种融合差异化细胞关系和涂片背景的宫颈细胞分类方法是由丁博;李超炜;洪振龙;杨晓娜设计研发完成，并于2023-06-19向国家知识产权局提交的专利申请。

本一种融合差异化细胞关系和涂片背景的宫颈细胞分类方法在说明书摘要公布了：一种融合差异化细胞关系和涂片背景的宫颈细胞分类方法，本发明涉及宫颈细胞分类中，样本内细胞相似性和样本间细胞的差异性导致宫颈细胞分类准确率低问题。由于样本间具有不同的病理或生理状态，宫颈细胞的形态染色存在差异。同时，在样本内，正常细胞和无明确诊断意义的病变细胞相似、低度和高度病变细胞类内相似，这些因素导致了现有深度学习分类方法的准确率较低。为改善这一问题，本发明提出了一种融合差异化细胞关系和涂片背景的宫颈细胞分类方法。实验表明，该方法能有效利用样本内涂片背景和差异化细胞关系，减少样本间的差异性，提高样本内细胞的区分度，提高分类的准确率、敏感度和特异性。本发明应用于细胞病理中的宫颈细胞分类。

本发明授权一种融合差异化细胞关系和涂片背景的宫颈细胞分类方法在权利要求书中公布了：1.一种融合差异化细胞关系和涂片背景的宫颈细胞分类方法，其特征在于，包含以下步骤： S1、准备宫颈细胞分类数据，并进行数据增强； S2、构建差异化细胞关系图； S3、裁剪不同涂片背景； S4、构建宫颈细胞分类框架，所述分类框架以S2步骤生成的差异化细胞关系图数据和S3步骤生成的涂片背景瓦片数据作为输入进行训练，其中： 宫颈细胞分类框架使用了图注意力网络来提高关系图的表征能力，从而更准确地捕捉节点之间的复杂关系；给定S2生成的一张涂片的差异化细胞关系图，经过第个GATv2层，产生一组维度为加强后的节点特征向量，；具体来说，GATv2将构建的差异化细胞关系图作为输入，首先计算第个GATv2层的细胞节点和的注意力分数，表示了细胞节点的特征对的重要性，公式如下： 1 式中，，和是可学习的线性变换，，，即节点所有的邻居结点；表示向量的连接运算；为了使不同节点之间的系数具有可比性，使用函数对注意力得分进行归一化，归一化函数定义为： 2 使用归一化后的注意力系数，对各个细胞节点进行加权求和，并使用个注意头进行平均，聚合其他节点的信息并更新边和特征的权值，最后再经过一个非线性变换，得到细胞节点加强后的特征表示： 3 宫颈细胞分类框架使用在ImageNet数据集上预训练好的Efficientnetv2模型，提取瓦片图的特征向量；最后使用多头自注意力层，获得增强后背景的特征表达向量；在多头自注意力层中，我们先初始化了三个权重矩阵、、，它们会随着模型训练优化更新，将权重矩阵分别与、、相乘，计算得到查询矩阵，索引矩阵，内容矩阵，公式如下： 4 然后计算每个头的自注意力输出，其计算公式为： 5 式中，是将计算出来的注意力权重进行归一化处理；为缩放因子，作用是令归一化的结果更加稳定；之后，并行计算次自注意力，将每个头得到的自注意力矩阵拼接在一起，再乘以权重矩阵得到最后增强的特征，其计算公式为： 6 式中，表示向量的连接运算；为线性变换矩阵；为多头自注意力层头的个数； 宫颈细胞框架通过相加将加强后的细胞特征和背景特征相融合，给定细胞特征和背景特征，得到最终融合的特征向量： 7 然后，我们通过线性变换、函数所组合的个层MLP模块，再通过函数，获得细胞最终的预测分数： 8 9 式中，是宫颈细胞的类别数量；表示MLP模块的第层；是第层线性变换的权重，是第层的偏差；然后我们使用交叉熵损失用于训练整个网络： 10 式中，表示细胞图像的真实标签。

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哈尔滨理工大学，其通讯地址为：150080 黑龙江省哈尔滨市南岗区学府路52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。