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！

龙图腾网获悉东南大学申请的专利一种通用的空间信息引导的医学图像恢复任务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：CN118967523B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202411059020.6，技术领域涉及：G06T5/77；该发明授权一种通用的空间信息引导的医学图像恢复任务方法是由张谊坤;臧诗哲;陈阳设计研发完成，并于2024-08-02向国家知识产权局提交的专利申请。

本一种通用的空间信息引导的医学图像恢复任务方法在说明书摘要公布了：本发明公开了一种通用的空间信息引导的医学图像恢复任务方法。该方法首先训练了一个基于DenseUNet改进的分割模型，通过分割模型得到恢复目标的空间信息。分割后，将空间信息引入到图像恢复网络中，将引入的空间信息在通道维度上和各级特征相连，提高网络对于目标区域的敏感性，进行提高图像恢复的质量。实验结果表明该方法可以有效地增强分割对象的图像恢复效果，尤其是对于血管、肿瘤等在图像恢复后容易发生形变的目标。该发明同时能够帮助医生进行诊断、极大地减轻医生的工作负担。

本发明授权一种通用的空间信息引导的医学图像恢复任务方法在权利要求书中公布了：1.一种通用的空间信息引导的医学图像恢复任务方法，其特征在于，包括如下步骤： 步骤1，采集需要进行图像恢复的低质量医学图像数据以及对应的高质量医学图像数据，在采集的图像数据中标注特定目标的位置,将对应的低质量、高质量图像数据及特定目标的分割标签构建为空间信息引导的医学图像恢复任务框架的基准数据集； 步骤2，构建适用于特定目标的医学图像分割模型以及适用于该图像模态的医学图像恢复模型； 步骤3，在步骤2建立的医学图像分割模型中，训练步骤1采集到的低质量医学图像数据及标注好的分割标签数据，得到图像分割模型的训练权重及预测分割结果； 步骤4，在步骤2建立的图像恢复模型中，训练步骤1采集到的低质量图像数据及高质量数据，并在模型里引入步骤3中低质量图像对应的预测分割结果，得到图像恢复模型的训练权重； 步骤5，采集真实的低质量临床数据，首先输入到医学图像分割模型中，利用步骤3得到的医学图像分割模型权重，得到特定目标的分割结果，然后输入到医学图像恢复模型中，利用步骤4得到的训练权重，得到真实临床数据的图像恢复结果； 其中，步骤2中，使用的医学图像恢复模型同样基于DenseUNet，在医学图像分割模型的基础上，引入了特定目标的空间信息，在编码过程中，除了输入前一层的图像特征，还将医学图像分割模型的预测掩膜通过最近邻插值采样到和前一层图像特征同样大小，然后和图像特征矩阵进行点乘，最后将点乘结果和前一层图像特征在通道维度上进行特征连接，输入到下一个编码器中，在解码过程中，除了上一层解码器的输出和对应层编码器通过跳跃连接结构Skipconnection所得到的输出，同样将医学图像分割模型的预测掩膜通过最近邻插值采样到和前一层图像特征同样大小，然后和图像特征矩阵进行点乘，最后和图像特征矩阵进行特征连接，和通过跳跃连接得到的特征一起输入到下一个解码器中，该结构将图像的局部、全局特征以及空间信息组合在一起，更好地训练网络； 引入特定目标的空间信息，在编码过程中，用公式表示为： Mask＝ResizePredict5 Di+1＝DenseEncoder[Di,Di*Mask]6 其中，Predict是医学图像分割模型的预测分割结果；Di是编码过程中的第i个密集卷积模块的输出结果；Resize·是为最近邻插值算法；DenseBlock·为密集卷积模块， 在解码过程中，用公式表示为： Mask＝ResizePredict7 Ui+1＝ResDecoder[Ui,Ui*Mask],Dn-i+1]8 其中，Ui是指解码过程中第i个密集卷积模块的输出结果。

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东南大学，其通讯地址为：211102 江苏省南京市江宁区东南大学路2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”。

以上内容由龙图腾AI智能生成。