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！

龙图腾网恭喜上海大学申请的专利一种基于非标记透射细胞显微图像的荧光标记预测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：CN114092391B 。

龙图腾网通过国家知识产权局官网在2025-05-30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：202111134370.0，技术领域涉及：G06T7/00；该发明授权一种基于非标记透射细胞显微图像的荧光标记预测方法是由姜正芬;蒋皆恢;刘欣;顾文庭设计研发完成，并于2021-09-27向国家知识产权局提交的专利申请。

本一种基于非标记透射细胞显微图像的荧光标记预测方法在说明书摘要公布了：本发明公开了一种基于非标记透射细胞显微图像的荧光标记预测方法，包括以下步骤：构建深度学习细胞荧光标记预测模型；根据构建好的深度学习细胞荧光标记预测模型，对构建好的深度学习细胞荧光标记预测模型进行训练；输入待标记数据，对待标记数据基于已训练完成的深度学习细胞荧光标记预测模型进行荧光标记；建立计算性能指标，将被标记的数据进行相似度和峰值信噪比评估。本发明的一种基于深度学习的细胞荧光标记预测方法，可从非标记的透射光图像中预测荧光标记，准确预测细胞核和细胞膜的位置和强度以及细胞的健康状况。该方法绕过了传统的荧光标记过程，节省了时间和成本。

本发明授权一种基于非标记透射细胞显微图像的荧光标记预测方法在权利要求书中公布了：1.一种基于非标记透射细胞显微图像的荧光标记预测方法，其特征在于，包括以下步骤：构建深度学习细胞荧光标记预测模型；根据构建好的深度学习细胞荧光标记预测模型，对所述构建好的深度学习细胞荧光标记预测模型进行训练；输入待标记数据，对所述待标记数据基于已训练完成的深度学习细胞荧光标记预测模型进行荧光标记；建立计算性能指标，将被标记的数据进行相似度和峰值信噪比评估；其中，构建深度学习细胞荧光标记预测模型，具体包括以下步骤：构建条件生成对抗网络体系结构，应用cGAN将透射光图像转换为其对应的荧光图像；构建损失函数，在对抗损失函数的基础上加入L1损失函数和MS-SSIM损失函数；所述cGAN包括两个深层神经网络，分别是生成器G和鉴别器D；其中所述生成器G采用U-net架构，包括四个“下行块”和随后的四个“上行块”；所述鉴别器D包括五个鉴别器块、一个平均池化层和两个全连接层；所述对抗损失函数： 其中x是透射光图像，y是真实荧光图像，pdatax,y是输入图像x和真实荧光图像y的联合概率分布，是x，y的对数似然的期望；生成器G试图最小化目标，从而最小化生成的荧光图像和真实荧光图像的区别，而鉴别器D试图最大化目标；L1损失函数： MS-SSIM损失函数： 最终网络的损失函数为：

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上海大学，其通讯地址为：200444 上海市宝山区上大路99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”。