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！

龙图腾网获悉西北大学申请的专利一种基于概率密度子空间的多目标自动识别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：CN115641417B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202210916208.2，技术领域涉及：G06T17/20；该发明授权一种基于概率密度子空间的多目标自动识别重建方法是由郭红波;卫潇;贺小伟;徐书涵;侯榆青;宋小磊;易黄建;赵凤军;任玉丹设计研发完成，并于2022-08-01向国家知识产权局提交的专利申请。

本一种基于概率密度子空间的多目标自动识别重建方法在说明书摘要公布了：一种基于子空间决策优化的多目标重建方法，获取生物组织表面光分布信息、网格节点坐标矩阵、网格内部四面体矩阵、网格内部四面体索引矩阵和系统矩阵作为输入；经过重建、子空间初始化、子空间决策、子空间优化四部分来进行多目标重建。本方法首次在多目标重建问题上引入子空间思想，突破了传统可行域方法的限制，显著提升了多目标重建的质量，降低了参数调优的代价。此外，本发明无需源数目先验信息，自动判断子空间个数并逐渐收敛于真实源数目，扩展了重建在临床的应用前景。此外，本方法内部的重建算法可以任意更换，不依赖特定的算法，为三维重建特别是多目标重建提供了有效的工具。

本发明授权一种基于概率密度子空间的多目标自动识别重建方法在权利要求书中公布了：1.一种基于子空间决策优化的多目标重建方法，其特征在于，包括以下步骤： 步骤1、获取生物组织表面光分布信息、网格节点坐标矩阵、网格内部四面体矩阵、网格内部四面体索引矩阵和系统矩阵；包括以下步骤： 1.1、获得含有光源的.raw文件； 1.2、获得整个仿真模型的.grid.am文件； 1.3、获得仿真模型中所要使用的光源.mphtxt文件； 1.4、获得生物组织表面光分布信息的前向仿真结果； 1.5、获得生物组织表面光分布信息，生成预运行数据； 步骤2、初始化网格节点全局索引得到包含所有网格节点索引的初始索引列Sp；对初始索引列Sp对应的网格节点形成的初始区域进行重建得到第i次原始结果Xi，即内部光源的能量强度值； 步骤3、结合Xi、网格节点坐标矩阵、网格内部四面体矩阵、网格内部四面体索引矩阵和系统矩阵得到当前次迭代的L2范数和余弦相似度，将这两个指标相加并除以2，得到本次重建权重值 步骤4、按照如下步骤进行处理： 4.1、根据隶属于子空间可行区域索引的Xip行得到当前次迭代的概率均值坐标XP，YP，ZP，进一步的将三个坐标视作是一组三维随机变量，进而可以组装该次的协方差矩阵MCov,得到协方差矩阵的特征值和特征向量； 4.2、利用MCov特征向量确定子空间的偏转角度和网格节点坐标的偏转角度，利用MCov特征值确定子空间的边长，子空间中包含的初始区域Sp中的节点即为该次迭代更新得到的子空间Sp_ROI； 4.3、计算子空间Sp_ROI中的网格节点坐标与概率均值坐标之间的距离误差，按照距离误差从小到大的升序排列子空间Sp_ROI中的网格节点； 4.4、定义初始的区域变化系数，更新子空间Sp_ROI，以子空间Sp_ROI的网格节点个数除以β2的商的关系为更新标准； 4.5、按照初始区域Sp中的网格节点的能量强度降序排列得到子空间Sp_Descend，将当前子空间Sp_Descend的网格节点个数作为初始节点数，更新β值和子空间Sp_Descend的网格节点个数； 4.6、新索引列Sp为Sp_ROI索引列拼接Sp_Descend索引列，新索引列Sp对应的网格节点形成新索引区域Sp；当迭代次数达到5，输出本次的重建结果Xi；否则返回步骤4.1； 步骤5、子空间初始化，包含如下步骤： 5.1、选取X的Sp索引区域作为聚类初始样本，并对能量值进行归一化操作，得到向量Nodes_DensityCluster，统计Nodes_DensityCluster的长度，并放大20倍作为扩增倍数Multiple，对Nodes_DensityCluster所有值放大Multiple倍并向下取整，得到倍增后的Nodes_DensityClusterMul向量，该向量的每一个元素都变成了整数； 5.2、生成一个Multiple行,3列的空矩阵specimenSpace，作为聚类样本矩阵；Nodes_DensityClusterMul向量的每一行元素的值作为填充倍数，Sp索引对应的网格节点坐标矩阵的坐标值作为输入，在specimenSpace前三列填充节点坐标元素； 5.3、将specimenSpace前三列作为输入，设定可能的子空间个数k从1到20，逐个运行K-Means算法，并记录每一次聚类的误差平方和SumSquaredError,SSE，得到k-SSE曲线； 5.4、双直线拐点搜索，针对得到的k-SSE曲线，定义两条直线，根据两条直线，计算出每个k值的补偿值Doffsetk：令Doffset最小的k值就是本次要初始化的子空间的个数K； 5.5、再一次初始化网格节点全局索引得到包含所有网格节点索引的初始索引列Sp；对初始索引列Sp对应的网格节点形成的初始区域Sp进行重建得到Xi，即内部光源的能量强度值； 5.6、根据当前次可行区域索引Sp，步骤5.4得到的光源数目K，网格节点坐标矩阵，重建结果Xi进行K-means聚类，得到K个子空间可行性区域索引SpA，SpB等； 步骤6、子空间决策；针对每一个子空间，执行之前的步骤3到步骤4，每满5次迭代，返回步骤4，重新初始化子空间； 步骤7、子空间优化，包含如下步骤： 7.1、对所有迭代次数的权重进行排序，得到其权重分布频率，并使用正态分布拟合这个分布，确定这个正态分布的均值和标准差，将均值±一倍标准差范围之外的迭代次数结果和对应的PErr去除，得到剩余的X'和P'Err； 7.2、将X'ip和加权，得到过滤迭代次数的结果SF； 7.3、针对最后一次迭代的每一个子空间，将对应节点能量降序排列，得到节点-能量曲线，使用步骤6.4的方法寻找每一个节点-能量曲线的肘点，去除肘点之后的节点，最后得到最终结果Sopt。

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西北大学，其通讯地址为：710069 陕西省西安市碑林区太白北路229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。