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！

龙图腾网获悉南京理工大学申请的专利基于物理退化学习的增强光声显微成像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：CN119599890B 。

龙图腾网通过国家知识产权局官网在2025-12-26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：202411520882.4，技术领域涉及：G06T5/60；该发明授权基于物理退化学习的增强光声显微成像方法是由马海钢;任世利;左超;陈钱设计研发完成，并于2024-10-29向国家知识产权局提交的专利申请。

本基于物理退化学习的增强光声显微成像方法在说明书摘要公布了：本发明公开了一种基于物理退化学习的增强光声显微成像方法，包括：基于光声成像原理，通过具有多变性的物理模型退化学习，将对地真实的光声显微成像的图像退化成低质量的光声显微成像。用高质量的光声显微成像图像作为监督训练的目标，再以深度学习为基础，输入到本发明自己设计的带有注意力机制的卷积神经网络进行网络训练，评估重建的图像质量直到重建质量达标，否则重新执行上述步骤。再将真实的低质量光声图像输入到训练好的神经网络中，获得重建的高分辨率光声图像。本发明能够有效地提升深层光声显微图像的分辨率和对比度，同时也能对光声显微图像进行去噪，并且本发明因为数据集是通过物理模型进行获取，能有效减少了对数据集的依赖，有利于提高对不同环境下的重建效果。

本发明授权基于物理退化学习的增强光声显微成像方法在权利要求书中公布了：1.一种基于物理退化学习的增强光声显微成像方法，其特征在于，包括以下步骤： 步骤1：基于光声成像原理，获取多组高质量的对地真实光声显微图像，通过具有多变性的物理退化模型将对地真实光声显微图像退化成低质量的光声显微图像，具体公式为： 式中，Im1是采用最大值投影重建的图像，Im是经过具有多变性的物理模型后的输出图像，h是指PSF内核，α为补偿函数，η为总噪声； 补偿函数具体为： α＝μm1+ξz 其中，μ为衰减系数，ξ为补偿系数，m为衰减系数的强度干扰项，z为补偿系数的强度干扰项； 步骤2：将未经过物理退化模型的高质量对地真实光声显微图像作为训练目标； 步骤3：将经过物理退化模型的低质量的光声显微图像和高质量对地真实光声显微图像进行匹配并输入进带有注意力机制的卷积神经网络中进行网络训练，通过训练获取对应的映射关系，对带有注意力机制的卷积神经网络训练时，对图像的处理过程为： 将经过物理退化模型的低质量的光声显微图像输入到卷积神经网络中，在卷积神经网络，光声显微图像经过第一卷积块，再经过多个残差块；第一残差块由两个卷积块和跳跃连接构成，具体公式如下： fx＝gx+x 其中，x为输入图像，gx为经过两个卷积操作后的图像，fx为输入图像； 经过第一残差块后的图像输入到U型网络中，U型网络进行三次下采样编码，每次下采样后经过两个第二卷积块，再经过GC注意力模块； 下采样编码后的图像经过两次上采样解码，每次的上采样解码的结果都与下采样编码过程中对应尺寸输出结果在通道维度拼接，拼接后的结果经过一个第三卷积块，再作为下一次上采样解码的输入；最后一次上采样后的图像经过一个第四卷积块和一个卷积层与原始的图像进行相加后输出图像； 步骤4：通过训练获取的映射关系对低质量的光声图像进行重建，评估重建的图像质量是否达标，若达标则进行步骤5，否则重新执行步骤3； 步骤5：利用实时获得的光声显微图像输入训练好的带有注意力机制的卷积神经网络进行处理，获得高质量图像。

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南京理工大学，其通讯地址为：210094 江苏省南京市玄武区孝陵卫街道200号南京理工大学；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。