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)獲悉咸陽(yáng)市中心醫(yī)院申請(qǐng)的專利一種基于IV-OCT圖像的巨噬細(xì)胞識(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：CN120047943B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-08-12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：202510520000.2，技術(shù)領(lǐng)域涉及：G06V20/69；該發(fā)明授權(quán)一種基于IV-OCT圖像的巨噬細(xì)胞識(shí)別方法及系統(tǒng)是由樊剛;屈子涵;左紅;劉強(qiáng);徐曉峰;樊川民;朱海云;周偉;石曉輝;侯文兵設(shè)計(jì)研發(fā)完成，并于2025-04-24向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種基于IV-OCT圖像的巨噬細(xì)胞識(shí)別方法及系統(tǒng)在說(shuō)明書(shū)摘要公布了：本發(fā)明公開(kāi)了一種基于IV?OCT圖像的巨噬細(xì)胞識(shí)別方法及系統(tǒng)，方法包括多模態(tài)預(yù)處理、動(dòng)態(tài)特征增強(qiáng)、混合深度學(xué)習(xí)、自適應(yīng)閾值優(yōu)化和巨噬細(xì)胞識(shí)別。本發(fā)明涉及巨噬細(xì)胞識(shí)別技術(shù)領(lǐng)域，具體是指一種基于IV?OCT圖像的巨噬細(xì)胞識(shí)別方法及系統(tǒng)，實(shí)現(xiàn)了對(duì)巨噬細(xì)胞更加穩(wěn)定、準(zhǔn)確的自動(dòng)識(shí)別與定位，提高了識(shí)別的一致性與效率；采用結(jié)合自適應(yīng)對(duì)比增強(qiáng)和雙通道改進(jìn)生成對(duì)抗網(wǎng)絡(luò)的多模態(tài)圖像增強(qiáng)方法進(jìn)行多模態(tài)預(yù)處理；采用結(jié)合分區(qū)采樣增強(qiáng)的歸一標(biāo)準(zhǔn)差比值計(jì)算方法，進(jìn)行動(dòng)態(tài)特征增強(qiáng)；采用交叉注意力特征融合的分支特征提取網(wǎng)絡(luò)，結(jié)合增強(qiáng)判別生成對(duì)抗網(wǎng)絡(luò)，進(jìn)行混合深度學(xué)習(xí)巨噬細(xì)胞圖像分割。

本發(fā)明授權(quán)一種基于IV-OCT圖像的巨噬細(xì)胞識(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IV-OCT圖像的巨噬細(xì)胞識(shí)別方法，其特征在于：該方法包括以下步驟： 步驟S1：多模態(tài)預(yù)處理，采用結(jié)合自適應(yīng)對(duì)比增強(qiáng)和雙通道改進(jìn)生成對(duì)抗網(wǎng)絡(luò)的多模態(tài)圖像增強(qiáng)方法，進(jìn)行多模態(tài)預(yù)處理，得到巨噬細(xì)胞特征增強(qiáng)圖像數(shù)據(jù)； 步驟S2：動(dòng)態(tài)特征增強(qiáng)，依據(jù)所述巨噬細(xì)胞特征增強(qiáng)圖像數(shù)據(jù)，采用結(jié)合分區(qū)采樣增強(qiáng)的歸一標(biāo)準(zhǔn)差比值計(jì)算方法，進(jìn)行動(dòng)態(tài)特征增強(qiáng)，得到生物標(biāo)志物映射圖數(shù)據(jù)； 步驟S3：混合深度學(xué)習(xí)，依據(jù)所述巨噬細(xì)胞特征增強(qiáng)圖像數(shù)據(jù)和所述生物標(biāo)志物映射圖數(shù)據(jù)，采用交叉注意力特征融合的分支特征提取網(wǎng)絡(luò)，結(jié)合增強(qiáng)判別生成對(duì)抗網(wǎng)絡(luò)，進(jìn)行混合深度學(xué)習(xí)巨噬細(xì)胞圖像分割，得到巨噬細(xì)胞分割特征數(shù)據(jù)，包括以下步驟：步驟S31：構(gòu)建雙分支特征提取網(wǎng)絡(luò)；步驟S32：交叉注意力特征融合，通過(guò)門(mén)控加權(quán)機(jī)制將局部紋理特征圖數(shù)據(jù)和全局特征圖數(shù)據(jù)進(jìn)行特征融合；步驟S33：判別增強(qiáng)對(duì)抗訓(xùn)練優(yōu)化，具體為通過(guò)所述雙分支特征提取網(wǎng)絡(luò)和所述交叉注意力特征融合，構(gòu)建得到交叉雙分支圖像分割子網(wǎng)，并將所述交叉雙分支圖像分割子網(wǎng)作為生成器，構(gòu)建三尺度增強(qiáng)判別器，進(jìn)行對(duì)抗生成訓(xùn)練，得到判別增強(qiáng)生成對(duì)抗子網(wǎng)；所述三尺度增強(qiáng)判別器，包括局部判別尺度、中尺度判別尺度和全局判別尺度；所述判別增強(qiáng)生成對(duì)抗子網(wǎng)，具體采用多尺度對(duì)抗損失函數(shù)進(jìn)行優(yōu)化訓(xùn)練；所述多尺度對(duì)抗損失函數(shù)，包括基本分割損失和尺度損失；所述尺度損失，包括局部判別尺度損失、中尺度判別尺度損失和全局判別尺度損失；所述基本分割損失，具體采用標(biāo)準(zhǔn)Dice損失和標(biāo)準(zhǔn)交叉熵?fù)p失的組合；所述尺度損失，具體采用標(biāo)準(zhǔn)對(duì)抗損失；步驟S34：混合深度學(xué)習(xí)模型訓(xùn)練，具體為通過(guò)所述構(gòu)建雙分支特征提取網(wǎng)絡(luò)和所述交叉注意力特征融合，構(gòu)建得到交叉雙分支圖像分割子網(wǎng)，并通過(guò)所述判別增強(qiáng)對(duì)抗訓(xùn)練優(yōu)化，構(gòu)建得到判別增強(qiáng)生成對(duì)抗子網(wǎng)，依據(jù)所述交叉雙分支圖像分割子網(wǎng)和所述判別增強(qiáng)生成對(duì)抗子網(wǎng)進(jìn)行子網(wǎng)集成和混合深度學(xué)習(xí)模型訓(xùn)練，得到巨噬細(xì)胞分割模型ModelSEG；步驟S35：巨噬細(xì)胞分割，具體為依據(jù)所述生物標(biāo)志物映射圖數(shù)據(jù)，使用所述巨噬細(xì)胞分割模型ModelSEG，進(jìn)行巨噬細(xì)胞分割，得到巨噬細(xì)胞分割特征數(shù)據(jù)； 步驟S4：自適應(yīng)閾值優(yōu)化，依據(jù)所述巨噬細(xì)胞分割特征數(shù)據(jù)，采用結(jié)合形態(tài)學(xué)修正的可微分最大類間方差閾值算法，進(jìn)行自適應(yīng)分割閾值優(yōu)化，得到自適應(yīng)修正識(shí)別數(shù)據(jù)； 步驟S5：巨噬細(xì)胞識(shí)別，得到巨噬細(xì)胞綜合識(shí)別數(shù)據(jù)。

如需購(gòu)買(mǎi)、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人咸陽(yáng)市中心醫(yī)院，其通訊地址為：712000 陜西省咸陽(yáng)市渭城區(qū)人民東路78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)”。