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！

龍圖騰網獲悉上海全景醫學影像診斷中心有限公司申請的專利一種基于深度學習的一體化PET/MR的器官配準系統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：CN119963614B 。

龍圖騰網通過國家知識產權局官網在2025-06-20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：202510422059.8，技術領域涉及：G06T7/33；該發明授權一種基于深度學習的一體化PET/MR的器官配準系統是由馮剛;高欣;彭莉玲;孫明祥;彭思思設計研發完成，并于2025-04-07向國家知識產權局提交的專利申請。

本一種基于深度學習的一體化PET/MR的器官配準系統在說明書摘要公布了：本發明公開了一種基于深度學習的一體化PETMR的器官配準系統，包括圖像采集模塊、圖像去噪模塊、圖像重建模塊和器官配準模塊。本發明屬于圖像處理技術領域，具體是指一種基于深度學習的一體化PETMR的器官配準系統，本方案過定義不同噪聲強度的低劑量PETMR圖像，引入噪聲適應性模塊，提高低劑量PETMR圖像的質量，引入自適應紋理匹配損失構建適應性強的去噪模塊，確保器官配準的精度與高效；結合自適應融合權重，在不同層次上進行多尺度的特征融合，優化局部細節；引入分層神經結構搜索提升配準系統在不同類型的PETMR圖像的配準精度；基于臨近對比損失優化重建結構，提高后續配準效率。

本發明授權一種基于深度學習的一體化PET/MR的器官配準系統在權利要求書中公布了：1.一種基于深度學習的一體化PETMR的器官配準系統，其特征在于：系統包括圖像采集模塊、圖像去噪模塊、圖像重建模塊和器官配準模塊；所述圖像采集模塊采集歷史PETMR器官配準圖像數據；所述圖像去噪模塊通過設計噪聲建模、適應性記憶單元、生成對抗網絡和多種損失函數，結合編碼器、解碼器和自注意力機制，優化低劑量PETMR圖像的去噪效果，確保在訓練集和測試集上的損失收斂，最終實現高質量圖像重建；所述圖像重建模塊通過使用全局-局部設計的生成器網絡，結合Transformer和CNN模塊，進行低劑量PETMR圖像的去噪和重建，并通過多尺度融合、分層神經結構搜索和感知損失，生成高質量的圖像，并確保訓練和測試集的損失收斂，完成圖像重建任務；所述器官配準模塊通過結合變分自動編碼器和U-Net網絡，學習并預測形變場，實現PET和MR圖像的精確空間對齊，確保兩種模態圖像的高效配準；所述圖像去噪模塊包括噪聲建模單元，定義不同噪聲強度的低劑量PETMR圖像，表示為：；常規劑量PETMR圖像與低劑量PETMR圖像之間的關系表示為：；基于圖像的和劃分閾值將低劑量PETMR圖像劃分為高噪聲和低噪聲；基于映射生成常規劑量PETMR圖像的去噪圖像，表示為：；其中，Pi是第i個像素位置的信號強度，i是像素位置索引；是信號強度的初始值；Ti是衰減系數；Ei是背景噪聲；N{·}是一個零均值和單位方差的正態分布隨機過程；ILD是低劑量PETMR圖像；B·是反投影操作；TND是常規劑量PETMR投影圖像；TN是噪聲項；G·是生成去噪圖像的映射函數；IND是常規劑量PETMR圖像；所述圖像重建模塊具體包括以下內容：全局-局部設計單元；圖像重建模塊采用生成器網絡，其中包含多個重建塊，每個重建塊由全局Transformer模塊和局部CNN模塊構成，生成器的輸入是去噪后的低劑量PETMR圖像，輸出為重建后的圖像；全局Transformer模塊表示為：；局部CNN模塊表示為：；；其中，是全局Transformer模塊操作；Q、K和V分別是輸入的查詢矩陣、鍵矩陣和值矩陣，通過對去噪后的低劑量PETMR圖像進行特征映射得到；D是特征維度；Pi3和Pj3是局部CNN模塊中的計算節點，是PETMR圖像的特征表示；是節點間的池化操作；C是局部CNN模塊的輸出；Concat·是連接操作；P1、P2和P3是局部CNN模塊中的三個計算節點的輸出特征；i3和j3是節點索引；分層神經結構搜索單元；在高層次搜索階段，確定全局Transformer模塊和局部CNN模塊的分布，引入自適應融合權重，通過加權組合得到重建塊的輸出；在低層次搜索階段，引入多尺度融合操作，分別優化全局Transformer模塊和局部CNN模塊的內部結構；高層次搜索表示為：；；；；；低層次搜索表示為：；其中，和分別是第i4個重建塊和第i4-1個重建塊的輸出；和分別是全局Transformer模塊和局部CNN模塊的自適應融合權重；和分別是全局Transformer模塊和局部CNN模塊的參數矩陣；exp·是指數函數；和是特征統計量；分別表示全局特征和局部特征的均值計算；是多尺度融合的特征輸出；S1是不同尺度的特征集合；是在尺度s上進行特征提取的操作；重建損失函數設計單元；引入感知損失和臨近對比損失，感知損失表示為：；臨近對比損失表示為：；得到重建損失函數，表示為：；其中，α和β是感知損失和臨近對比損失的權重；是特征層感知損失的權重，l是特征層索引；是特征提取函數，基于預訓練網絡在第l層進行特征提取；SZF是欠采樣的PETMR圖像；是L2范數的平方；SGTu和SGTr分別是目標圖像第u個位置和第r個位置的像素值，目標圖像是高質量PETMR圖像；和是重建權重；和分別是重建的圖像在第u個位置和第r個位置的像素值；重建模塊判定單元；預先對去噪后的低劑量PETMR圖像劃分重建訓練集和重建測試集；當重建損失對重建訓練集損失收斂時并對重建測試集達到預期效果時，重建模塊建立完成。

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上海全景醫學影像診斷中心有限公司，其通訊地址為：200233 上海市徐匯區桂林路406號8號樓B1層、一層、二層、三層301-305室、五層；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”。