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！

龙图腾网获悉广东工业大学申请的专利基于隐式神经表示的低剂量稀疏视图SPECT重建和图像去噪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：CN116883273B 。

龙图腾网通过国家知识产权局官网在2026-01-20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：202310833748.9，技术领域涉及：G06T5/70；该发明授权基于隐式神经表示的低剂量稀疏视图SPECT重建和图像去噪方法是由冼景谋;李斯;李风环;柳毅设计研发完成，并于2023-07-07向国家知识产权局提交的专利申请。

本基于隐式神经表示的低剂量稀疏视图SPECT重建和图像去噪方法在说明书摘要公布了：本发明揭示了一种基于隐式神经表示的低剂量稀疏视图SPECT重建和图像去噪方法。该方法包括两个阶段：低剂量稀疏视图SPECT重建和图像去噪。首先通过对输入点进行小波特征映射，并进行频率正则化，使多层感知器MLP能够在低维问题域学习高频函数。在预测时，生成不包含训练视图的密集投影视图，然后将训练的稀疏投影视图和预测生成的密集投影视图相结合，通过PAPA重建算法实现低剂量稀疏视图的SPECT重建。其次，在图像去噪阶段，利用隐式神经表征INR的架构归纳偏差：INR倾向于比高频噪声更快地拟合低频干净图像信号，更接近输出的INR层在拟合高频部分中发挥更关键的作用。通过惩罚更深层权重的增长来最大化INR的固有去噪能力，从而实现SPECT图像去噪。

本发明授权基于隐式神经表示的低剂量稀疏视图SPECT重建和图像去噪方法在权利要求书中公布了：1.基于隐式神经表示的低剂量稀疏视图SPECT重建和图像去噪方法，其特征在于，包括如下步骤： S1：将低剂量、噪声高稀疏视图在世界坐标系下的三维坐标通过小波级数映射为高频特征，并进行频率正则化，具体过程如下： S21：将三维空间坐标=进行归一化，然后使用了具有不同频率的haar小波级数来将归一化的三维坐标映射到更高维的空间，在一些实例中，小波级数映射可以表达如下： 其中L表示是控制最大编码频率的超参数，当L等于6时，有32种情况，分别为0,1...31，将输入点输入到小波函数中， 其中haar小波函数表达公式为： 将，则将3维的输入点映射到192维的高频特征，应用于MLP的输入； S22：在给定的位置编码，基于训练时间步长，使用线性递增的频率掩码来调节可见频谱，如下所示: 其中其中为的第位值；t和T分别为频率正则化的当前训练迭代和最终迭代，具体地，从没有位置编码的原始输入开始，随着训练的进行，每次线性增加3位的可见频率，频率正则化绕过了训练开始时不稳定、易受影响的高频信号，逐步提供SPECT投影视图的高频信息，避免过平滑； S2：将经过小波级数映射和频率正则化的稀疏视图输入到全连接多层感知器中，在低维问题域中学习高频函数； S3：通过最小化真实投影和合成投影之间的误差来训练网络，预测时生成不包含训练视图的密集的视图； S4：将训练时的稀疏视图和生成的密集视图相结合，通过PreconditionedAlternatingProjectionAlgorithms重建算法实现低剂量高噪声稀疏视图的SPECT重建； S5：在图像去噪部分，其中使用了第一部分的全连接多层感知器权重参数，作为当前的网络的预训练权重，通过惩罚更深层权重的增长来最大化隐式神经表示的固有去噪能力，实现高质量的SPECT图像的去噪。

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广东工业大学，其通讯地址为：510000 广东省广州市越秀区东风东路729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。