Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 浙江工业大学李小薪获国家专利权

浙江工业大学李小薪获国家专利权

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!

龙图腾网获悉浙江工业大学申请的专利一种基于多尺度像素反重组网络的快速MRI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:CN117314885B

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:202311437062.4,技术领域涉及:G06T7/00;该发明授权一种基于多尺度像素反重组网络的快速MRI重建方法是由李小薪;王珏成;陈志杰;肖杰;胡海根;周乾伟;郝鹏翼设计研发完成,并于2023-10-31向国家知识产权局提交的专利申请。

一种基于多尺度像素反重组网络的快速MRI重建方法在说明书摘要公布了:一种基于多尺度像素反重组网络的快速MRI重建方法,包括如下步骤:步骤1输入的欠采样的MRI图像xu;步骤2由多尺度像素反重组网络得到重构后的MRI图像图1给出了多尺度像素反重组网络fMS‑PU·;Θ的结构图。本发明充分利用欠采样MRI图像中的信息冗余性,基于像素反重组对欠采样的MRI图像进行不同尺度的压缩,能够有效降低输入的欠采样图像中的大量伪影对重构效果的影响,能够有效地提升MRI图像的重建速度和精度。

本发明授权一种基于多尺度像素反重组网络的快速MRI重建方法在权利要求书中公布了:1.一种基于多尺度像素反重组网络的快速MRI重建方法,其特征在于,所述方法包括以下步骤: 步骤1输入欠采样的MRI图像这里,表示复数域,xu通过如下方式获得: xu=F-1yu=F-1M⊙y=F-1M⊙Fx, 其中,yu=M⊙y,表示待重建的全采样的MRI图像,y=Fx表示k空间中的全采样数据,F·和F-1·分别表示二维傅里叶变换矩阵和二维傅里叶变逆换矩阵,F·用于将MRI图像从像素空间变换到k空间,F-1·用于将MRI图像从k空间变换到像素空间,M∈{0,1}M×N表示对y进行欠采样的掩码矩阵; 步骤2由多尺度像素反重组网络得到重构后的MRI图像 所述步骤2中,多尺度像素反重组网络fMS-PU·;Θ由Γ个PU子网级联而成: 其中,Θ={Θ1,Θ2,…,Θγ,,ΘΓ}为网络的参数,s={s1,s2,…,sγ,,sΓ}为网络所用到的各PU尺度,1≤γ≤Γ,为PU尺度为sγ的PU子网; PU子网由PU算子、Dγ个重建子网、像素重组PixelShuffle,PS算子三个部分级联而成: 这里,表示PU尺度为sγ的PU算子,PU算子用于将输入的单通道图像进行像素反重组,使其维度从M×N变为且设定M和N都是可以被sγ整除的;表示PS算子,是PU算子的逆运算,用于将输入的具有个通道的低维图像进行像素反重组,使其维度从变为M×N;为网络的参数集,d∈{1,2,…,Dγ}, 为的第d个重建子网,定义如下: 其中,为残差学习模块,用于学习输入的MRI图像中丢失的细节信息,θγ,d为其参数;fDC·表示数据一致性算子,令和分别表示fDC·的输入和输出,通过如下方式计算: 这里,通过如下方式计算: 其中,Z[i,j]表示矩阵Z中第i行第j列元素。

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浙江工业大学,其通讯地址为:310014 浙江省杭州市拱墅区潮王路18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AI智能生成
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。