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！

龙图腾网获悉华东师范大学申请的专利基于双支路联合学习的低剂量CT图像超分辨率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：CN115953491B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202211614231.2，技术领域涉及：G06T11/00；该发明授权基于双支路联合学习的低剂量CT图像超分辨率重建方法是由李智;侯宏宇;张桂戌;曾铁勇;李俊诚设计研发完成，并于2022-12-15向国家知识产权局提交的专利申请。

本基于双支路联合学习的低剂量CT图像超分辨率重建方法在说明书摘要公布了：本发明公开了一种基于双支路联合学习的低剂量CT图像超分辨率重建方法，其特点是并行处理CT图像的去噪重建和超分辨率重建。同时，双支路联合学习框架可以通过去噪任务和超分辨任务的交互来学习多任务之间的潜在联系，进而有效的重建出高分辨率CT图像。具体包括：构建数据集，训练数据集预处理，构建双支路网络模型，双支路信息的交互以及模型的训练和测试等步骤。本发明与现有技术相比充分考虑了双任务之间的交互问题，使用过滤门模块，去除无用信息并突出有利于超分辨率的特征，从而在去除噪声的同时实现CT图像的超分辨率重建，具有广泛的应用领域和良好的应用前景。

本发明授权基于双支路联合学习的低剂量CT图像超分辨率重建方法在权利要求书中公布了：1.一种基于双支路联合学习的低剂量CT图像超分辨率重建方法，其特征在于，使用去噪信息来引导CT图像的超分辨率重建，具体包括以下步骤： 步骤S1：构建数据集 选用现有的低剂量CT重建数据集，其中包含若干成对的低-全剂量的CT图像，使用双三次插值算法对数据集中的低-全剂量CT图像进行下采样处理，进而构成一组训练测试样本即训练测试数据集，表示为{X，Y1，Y2}，X为低分辨的低剂量CT图像，Y1为低分辨率的全剂量CT图像，Y2为高分辨率的全剂量CT图像； 步骤S2：训练数据集预处理 对训练数据集进行数据增强，具体包括：随机翻转、随机旋转、随机裁剪、随机缩放和随机平移； 步骤S3：构建双支路网络模型 网络由超分辨重建支路、去噪重建支路以及过滤门模块构成；双分支路均采用编码器-解码器架构，编码器包含一系列卷积和下采样，用于深层和浅层特征的提取，解码器用于实现特征的融合和重建； 步骤S4：双支路信息的交互 使用过滤门模块来控制去噪和超分辨重建特征的信息交流，具体操作为：在超分辨支路中过滤来自去噪分支的特征，采用压缩和激励模块将去噪解码器的输出特征和超分辨解码器的输出特征在通道信息上进行过滤和融合； 步骤S5：模型的训练和测试 使用步骤S2构建的训练数据集来训练步骤S3构建的网络模型，即用Y1来监督去噪支路的重建结果，使用Y2来监督超分辨支路的重建结果，进行模型参数的优化，并在训练过程中保留效果最好的模型参数；训练结束后，在测试数据集上使用保存的模型参数来测试双支路网络模型的重建效果；具体来说，在测试时，输入低分辨的低剂量CT图像，获得重建的高分辨率全剂量CT图像；其中： 步骤S4所述的过滤门模块，由双支路信息融合模块和超分辨特征细化模块组成；所述的双支路信息融合模块将获取的当前层次的去噪特征XDN和上一层次的超分辨特征XSR，通过Concat在通道维度进行拼接，之后经过1x1卷积进行通道的压缩；压缩后的拼接特征图经过全连接操作和Sigmoid激活函数，获得通道间的注意力特征图，并通过乘法逐通道加权到XDN，实现特征间的融合和过滤；在超分辨特征细化模块，XSR经过二维离散小波变换获得小波系数，高频信息经过Concat拼接后输入到通道注意力模块和空间注意力模块，获得融合后的高频小波特征图；融合后的小波特征图分别与原始小波分量进行通道上的拼接和压缩后与低频分量进行逆小波分解转化，获得细化后的超分辨特征图；其中所述小波系数包括低频信息LL，水平方向高频信息HL，垂直方向高频信息LH和对角方向高频信息HH。

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华东师范大学，其通讯地址为：200241 上海市闵行区东川路500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”。