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！

龙图腾网获悉西南科技大学申请的专利一种基于少样本学习的医学图像病理检测模型训练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：CN121544970B 。

龙图腾网通过国家知识产权局官网在2026-05-08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：202610071784.X，技术领域涉及：G06V10/764；该发明授权一种基于少样本学习的医学图像病理检测模型训练方法是由江宁;匡晓琪;王亮洁;俞文心;何刚;张志强设计研发完成，并于2026-01-20向国家知识产权局提交的专利申请。

本一种基于少样本学习的医学图像病理检测模型训练方法在说明书摘要公布了：本发明属于图像处理领域，公开一种基于少样本学习的医学图像病理检测模型训练方法，包括步骤：S10,采用元学习范式，从包含多个类别标注图像的训练数据集中，随机采样构建少样本训练片段，每个片段模拟一个真实的少样本分类场景，包含示例集与目标集；S20,构建共享的特征编码器，处理每个片段中的示例集和目标集；S30,针对当前片段示例集中的每个类别，生成基于图神经网络的结构化类别锚点；基于元注意力机制进行示例集样本权值自适应分配；S40,引入动态记忆库和不确定性感知机制，进行类别锚点不确定性的量化与历史知识集成；S50,分类损失计算与模型更新，获得医学图像病理检测模型。本发明实现了医学图像在少样本的情况下的病理特征的准确识别。

本发明授权一种基于少样本学习的医学图像病理检测模型训练方法在权利要求书中公布了：1.一种基于少样本学习的医学图像病理检测模型训练方法，其特征在于，包括步骤： S10,采用元学习范式，从包含多类别标注图像的数据集中，通过随机采样方式构建大量少样本训练片段，每个片段模拟一个真实的少样本分类场景，并包含示例集与目标集； S20,构建一个共享的深度卷积神经网络作为特征编码器，用于统一提取各片段中示例集和目标集医学图像的特征； S30,针对当前片段每个类别的示例集，利用图神经网络生成结构化类别锚点，并基于元注意力机制对示例集样本进行权值自适应分配，从而获得各类别锚点的最终表示； 结构化类别锚点的生成包括： S311,将同一类别所有示例集样本的特征向量视为图节点，依据节点间的余弦相似度或k近邻关系构建边，形成当前类别样本的关系图； S312,将关系图输入浅层图卷积网络，借助图卷积的消息传递机制，每个节点聚合其邻居节点信息以更新自身特征； S313,对更新后的所有节点特征执行平均池化操作，得到的向量作为该类别的结构化类别锚点； 基于元注意力机制的示例集样本权值自适应分配，包括步骤： S321,将示例集样本特征输入一个轻量级前馈神经网络构成的元注意力模块，元注意力模块综合样本自身特征与类内关系输出每个样本的注意力权值； S322,利用所得权值对示例集样本特征进行赋权平均，得到赋权类别锚点，并将赋权类别锚点与结构化类别锚点集成以进行微调； S40,引入动态记忆库与不确定性感知机制，对类别锚点的不确定性进行量化，并与历史知识进行集成，得到增强后的类别锚点； 类别锚点不确定性的量化与知识集成包括： 计算各类别锚点与相应示例集样本特征间余弦相似度的方差，作为当前类别锚点的不确定性分数； 基于余弦相似度从动态记忆库中检索与当前类别锚点最相关的多个历史类别锚点； 根据不确定性分数动态调整权值，将当前类别锚点与检索到的历史类别锚点进行赋权集成，形成增强的类别锚点； S50,基于目标集样本与增强的类别锚点之间的余弦相似度计算分类损失，通过模型参数更新得到最终的医学图像病理检测模型。

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西南科技大学，其通讯地址为：621000 四川省绵阳市涪城区青龙大道59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。