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！

龙图腾网获悉北京工业大学申请的专利一种CT图像去噪方法、系统、电子设备及存储介质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：CN119722511B 。

龙图腾网通过国家知识产权局官网在2025-07-25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：202510206409.7，技术领域涉及：G06T5/70；该发明授权一种CT图像去噪方法、系统、电子设备及存储介质是由句福娇;吴奕初;朱绍涛设计研发完成，并于2025-02-25向国家知识产权局提交的专利申请。

本一种CT图像去噪方法、系统、电子设备及存储介质在说明书摘要公布了：本发明公开了一种CT图像去噪方法、系统、电子设备及存储介质，所述方法包括：获取无标签的正常剂量高分辨率CT图像，将图像分辨率降低预设倍数得到无标签的正常剂量低分辨率CT图像；由无条件扩散模型和条件扩散模型级联构建级联扩散模型；无条件扩散模型用无标签的正常剂量低分辨率CT图像训练，训练后模型用于从随机噪声图像中生成低分辨率正常剂量CT图像；条件扩散模型用无标签的正常剂量高分辨率CT图像训练，训练后模型以无条件扩散模型生成图像为条件生成高分辨率正常剂量CT图像；将训练后的级联扩散模型与最大后验框架结合构建去噪模型，输入低剂量CT图像，结合级联扩散模型提供的先验，迭代解决多个最大后验问题，以实现低剂量CT图像的去噪。

本发明授权一种CT图像去噪方法、系统、电子设备及存储介质在权利要求书中公布了：1.一种CT图像去噪方法，其特征在于，包括： 从公开数据集中获取无标签的正常剂量高分辨率CT图像，并将无标签的正常剂量高分辨率CT图像的分辨率降低预设倍数得到无标签的正常剂量低分辨率CT图像； 构建级联扩散模型，所述级联扩散模型由无条件扩散模型和条件扩散模型级联构成； 所述无条件扩散模型用无标签的正常剂量低分辨率CT图像训练，训练后的无条件扩散模型用于从随机噪声图像中生成低分辨率正常剂量CT图像； 所述无条件扩散模型的训练包括：初始化模型参数，以无标签的正常剂量低分辨率CT图像作为模型正向过程输入，在每个时间步逐步向输入图像中添加高斯噪声，得到一系列噪声化的图像，直至输入图像完全转化为随机噪声图像；模型逆向过程从随机噪声图像开始，在每个时间步预测当前图像中应去除的噪声，以逐步去除噪声图像的噪声并恢复得到输入图像，并更新模型参数；采用最小化负对数似然的变分界作为损失函数，通过损失函数的优化，不断调整模型参数，当模型性能不再提升或者达到预设的迭代次数时，停止训练，以得到训练后的无条件扩散模型； 所述条件扩散模型用无标签的正常剂量高分辨率CT图像训练，训练后的条件扩散模型用于，以无条件扩散模型生成的低分辨率正常剂量CT图像为条件，生成高分辨率正常剂量CT图像； 所述条件扩散模型的训练包括：初始化模型参数，以无标签的正常剂量高分辨率CT图像作为模型正向过程输入，在每个时间步逐步向输入图像中添加高斯噪声，得到一系列噪声化的图像，直至输入图像完全转化为随机噪声图像；模型逆向过程从随机噪声图像开始，以无条件扩散模型生成的低分辨率正常剂量CT图像为条件，在每个时间步预测当前图像中应去除的噪声，以逐步去除噪声图像的噪声并恢复得到输入图像，并更新模型参数；采用最小化负对数似然的变分界作为损失函数，通过损失函数的优化，不断调整模型参数，当模型性能不再提升或者达到预设的迭代次数时，停止训练，以得到训练后的条件扩散模型； 将训练后的级联扩散模型与最大后验框架结合以构建去噪模型，将低剂量CT图像输入到去噪模型中，去噪模型结合级联扩散模型提供的先验，迭代解决多个最大后验问题，以实现对输入的低剂量CT图像的去噪； 将训练后的条件扩散模型的逆向过程与最大后验框架结合以构建去噪模型，将低剂量CT图像作为似然输入到训练后的条件扩散模型的逆向过程中，结合训练后的条件扩散模型的先验，不断迭代以实现对输入的低剂量CT图像的去噪； 在迭代去噪过程中，使用自适应策略来调整超参数，以适应不同噪声水平的图像；所述自适应策略为，用图像中所有噪声的标准差作为噪声水平来动态确定超参数；用自适应策略调整超参数的公式为： ； 其中，为经自适应策略调整后的超参数，、均为手动选择的参数，为第次迭代得到的图像中所有像素的标准差； 通过非均匀间隔采样加快训练后的条件扩散模型的逆过程，以减少迭代次数。

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北京工业大学，其通讯地址为：100124 北京市朝阳区平乐园100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”。