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！

龙图腾网获悉北京大学申请的专利一种双监督训练的结构光照明显微深度学习重建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：CN119477724B 。

龙图腾网通过国家知识产权局官网在2025-09-05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：202411490905.1，技术领域涉及：G06T5/60；该发明授权一种双监督训练的结构光照明显微深度学习重建方法是由席鹏;侯宜伟;付允哲;李美琪设计研发完成，并于2024-10-24向国家知识产权局提交的专利申请。

本一种双监督训练的结构光照明显微深度学习重建方法在说明书摘要公布了：本发明公开了一种双监督训练的结构光照明显微深度学习重建方法。本发明在高激光强度和高曝光时间条件下采集原始结构光照明显微超分辨图像以及原始宽场真值图像，以及在同视野下在低激光强度和短曝光条件下采集原始调制宽场图像，进行图像增强后作为训练数据集；根据成像使用参数生成系统的点扩散函数，并且构建结构光照明显微重建的神经网络；利用基于结构光照明显微超分辨图像和基于宽场真值图像的双监督形式对结构光照明显微重建的神经网络进行梯度下降训练；本发明能够进一步提高深度学习重建结构光超分辨显微图像的性能；本发明应用于条纹调制结构光和晶格调制结构光照明显微镜等主流结构光照明显微镜的图像重建。

本发明授权一种双监督训练的结构光照明显微深度学习重建方法在权利要求书中公布了：1.一种双监督训练的结构光照明显微深度学习重建方法，其特征在于，所述结构光照明显微深度学习重建方法包括以下步骤： 1采采集原始数据： 设定结构光照明显微镜的视野范围，在结构光照明显微镜的数据采集过程中视野不变； 在高激光强度以及高曝光时间条件下采集原始结构光照明显微超分辨图像ISIM’以及原始宽场真值图像IWF’；为了便于网络训练，利用双线性插值方法将原始宽场真值图像IWF’进行2倍上采样，得到原始上采样宽场真值图像IWF2×’； 在同视野下在低激光强度以及短曝光条件下采集原始调制宽场图像IInput’； 2构建训练数据集： 分别对原始结构光照明显微超分辨图像ISIM’、原始上采样宽场真值图像IWF2×’和原始调制宽场图像IInput’进行图像增强，得到结构光照明显微超分辨图像ISIM、宽场真值图像IWF和调制宽场图像IInput，作为训练数据集； 3生成系统的点扩散函数： 根据成像使用参数生成系统的点扩散函数； 4构建神经网络： 基于深度学习平台构建结构光照明显微重建的神经网络，调制宽场图像作为输入， 结构光照明显微超分辨图像和宽场真值图像作为输出； 5双监督交替训练神经网络： 采用双监督的形式对结构光照明显微重建的神经网络进行梯度下降训练： 利用基于结构光照明显微超分辨图像对神经网络进行监督训练，基于结构光照明显微超分辨图像的监督网络训练的损失函数LossSIM为： LossSIM＝MSEIoutput,ISIM+λSSIM1-SSIMIoutput,ISIM 其中，MSE和SSIM分别为基于结构光照明显微超分辨图像的监督网络训练的损失函数LossSIM的均方根值误差和结构相似度，Ioutput为神经网络的输出图像，λSSIM为权重系数； 利用基于宽场真值图像进行对神经网络进行监督训练，通过计算点扩展函数卷积后的神经网络输出与宽场真值图像的皮尔逊相关系数来监督网络训练，基于宽场真值图像的监督网络训练的损失函数LossWF为： 其中，Ioutput为神经网络的输出图像，PSF为系统的点扩散函数，代表卷积运算， IWFi,j为第i行第j列像素的宽场真值图像，M和N分别代表图像的像素的行和列的个数； 在每一轮训练过程中，采用基于结构光照明显微超分辨图像的监督网络训练的损失函数LossSIM和基于宽场真值图像的监督网络训练的损失函数LossWF对神经网络进行双监督交替训练，直至神经网络收敛或者达到训练的轮次，得到双监督交替训练好的神经网络； 6应用神经网络： 训练好的神经网络后，对实际的应用图像进行推理重建，以调制宽场图像作为输入，得到神经网络输出的结构光照明显微超分辨图像和宽场真值图像。

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大学，其通讯地址为：100871 北京市海淀区颐和园路5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”。