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！

龙图腾网获悉南京邮电大学申请的专利基于多尺度对称架构学习的脊柱3D模型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：CN119919579B 。

龙图腾网通过国家知识产权局官网在2025-12-30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：202411977720.3，技术领域涉及：G06T17/00；该发明授权基于多尺度对称架构学习的脊柱3D模型重建方法是由谢世朋;黄晨设计研发完成，并于2024-12-31向国家知识产权局提交的专利申请。

本基于多尺度对称架构学习的脊柱3D模型重建方法在说明书摘要公布了：本发明公开了一种基于多尺度对称架构学习的脊柱3D模型重建方法，包括：将脊柱X射线图像旋转至集合角度；将旋转后的X射线图像重复D次并拼接形成一个高通道3D体积；将高通道3D体积输入生成对抗网络中以获得脊柱的3D预测模型；计算获取3D预测模型的不同生成图像的标准偏差以评估生成图像的质量差异，并基于质量差异选择生成器全局优化或局部优化3D预测模型；3D预测模型通过最小化生成器的损失获取脊柱的重建模型。本发明解决了现有的X‑Ray中重建脊柱的三维结构的方法存在过度依赖先验信息导致保真度低的问题。

本发明授权基于多尺度对称架构学习的脊柱3D模型重建方法在权利要求书中公布了：1.一种基于多尺度对称架构学习的脊柱3D模型重建方法，其特征在于，包括以下步骤： 将脊柱的多张正交的X射线图像旋转至所述X射线图像的拍摄角度一致的集合角度； 将旋转后的所述X射线图像重复D次并将重复后的所述X射线图像拼接形成一个高通道3D体积，使得所述高通道3D体积的目标深度适配于脊柱的3D模型的目标深度； 将所述高通道3D体积输入生成对抗网络中，通过所述生成对抗网络的生成器的编码器3D卷积进行初步特征提取、编码器的GLMamba块进行深层特征学习以提取特征与恢复的高分辨率特征，所述生成器的解码器将提取特征与恢复的高分辨率特征进行拼接，并通过所述解码器的卷积块将最终的特征融合成连续的值以获得脊柱的3D预测模型； 计算获取所述3D预测模型的不同生成图像的标准偏差以评估所述生成图像的质量差异，并基于所述质量差异选择所述生成器全局优化或局部优化所述3D预测模型； 所述3D预测模型通过最小化所述生成器的损失获取脊柱的重建模型； 采用unet作为生成器的基础架构，编码器由初始化层和四个GLMamba块组成，对于第l个GLMamba块计算过程定义为： ，其中MCP表示提出的并行Mamba-CNN混合块，LN表示层归一化，MLP表示多层感知层；表示并行Mamba-CNN混合块的远程空间建模能力输出； 并行Mamba-CNN混合块步骤为： 假设输入张量为，首先将其输入到输出通道数也是C的1×1×1卷积层进行初步特征提取；然后将张量均匀分割为两个张量fCNN和fVSS，大小都为；之后，将张量fCNN发送到残差网络得到，同时将fVSS发送到视觉状态空间模型模块中得到，然后，连接和以恢复成与输入大小相同的张量并通过一个1×1×1卷积块以融合局部和非局部特征；最后，在f和输出之间建立跳跃连接以得到最终学习到的融合特征。

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邮电大学，其通讯地址为：210000 江苏省南京市文苑路9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。