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！

龍圖騰網獲悉鵬城實驗室申請的專利一種基于上下文特征融合的細胞核分割方法及相關設備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：CN116071300B 。

龍圖騰網通過國家知識產權局官網在2025-08-08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：202211580495.0，技術領域涉及：G06T7/00；該發明授權一種基于上下文特征融合的細胞核分割方法及相關設備是由田永鴻;高文;陳杰;徐凡;耿睿哲設計研發完成，并于2022-12-09向國家知識產權局提交的專利申請。

本一種基于上下文特征融合的細胞核分割方法及相關設備在說明書摘要公布了：本發明公開了一種基于上下文特征融合的細胞核分割方法及相關設備，所述方法包括：獲取醫學細胞圖像，將醫學細胞圖像輸入至卷積神經網絡進行堆疊得到多個特征圖，并將每個特征圖輸入特征金字塔，特征金字塔中的上下文增強模塊對特征圖進行特征融合得到輸出特征；將輸出特征輸入到區域提取網絡得到候選框，感興趣區域對齊層將根據候選框得到感興趣區域特征；將感興趣區域特征發送給特征自適應選擇模塊得到特征級別的組合特征表示；基于組合特征表示分別計算出感興趣區域的類別分類、候選框坐標和邊緣感知掩碼，從而實現細胞核進行分割。本發明通過上下文增強模塊和特征自適應選擇模塊對醫學細胞圖像進行處理，顯著提高病理切片細胞核的分割精度。

本發明授權一種基于上下文特征融合的細胞核分割方法及相關設備在權利要求書中公布了：1.一種基于上下文特征融合的細胞核分割方法，其特征在于，所述基于上下文特征融合的細胞核分割方法包括： 獲取醫學細胞圖像，將所述醫學細胞圖像輸入至卷積神經網絡進行堆疊得到多個特征圖，并將每個所述特征圖輸入至特征金字塔，所述特征金字塔中的上下文增強模塊對每個所述特征圖進行特征融合得到輸出特征； 所述獲取醫學細胞圖像，將所述醫學細胞圖像輸入至卷積神經網絡進行堆疊得到多個特征圖，并將每個所述特征圖輸入至特征金字塔，所述特征金字塔中的上下文增強模塊對每個所述特征圖進行特征融合得到輸出特征，具體包括： 獲取所述醫學細胞圖像，將所述醫學細胞圖像輸入至所述卷積神經網絡進行堆疊，根據下采樣改變所述醫學細胞圖像的分辨率，并根據所述分辨率的不同得到不同的階段的特征圖； 獲取多個不同擴張率的空洞卷積，根據密集連接的方式將每個不同擴張率的空洞卷積進行結合得到特征金字塔，并將所述特征圖輸入至所述特征金字塔中； 所述獲取多個不同擴張率的空洞卷積，根據密集連接的方式將每個不同擴張率的空洞卷積進行結合得到特征金字塔，并將所述特征圖輸入至所述特征金字塔中，之后還包括： 對全局平均池化層處理得到全局特征向量，將所述全局特征向量進行上采樣得到目標全局特征向量，并將所述目標全局特征向量與空洞卷積層的輸出進行連接獲得特征圖； 將所述特征圖輸入到一個的卷積層中，并融合所述特征圖的粗粒度和細粒度特征； 所述特征金字塔中根據上下文增強模塊增強所述特征圖的粗粒度信息，并將增強后的粗粒度信息與原始的粗粒度信息進行像素相加融合，得到所述輸出特征； 將所述輸出特征輸入到區域提取網絡，所述區域提取網絡根據所述輸出特征得到候選框，感興趣區域對齊層將根據所述候選框得到感興趣區域特征； 將所述感興趣區域特征發送給特征自適應選擇模塊，所述特征自適應選擇模塊根據所述感興趣區域特征得到感興趣區域中所有特征級別的組合特征表示； 基于所述組合特征表示分別計算出所述感興趣區域的類別分類、所述候選框的坐標和邊緣感知掩碼，并基于所述類別分類、所述坐標和所述邊緣感知掩碼對病理圖像細胞核進行分割。

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鵬城實驗室，其通訊地址為：518000 廣東省深圳市南山區興科一街2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”。