Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 积分商城 国际服务 IP管家助手 科技果 科技人才 商标交易 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 明峰医疗系统股份有限公司王小状获国家专利权

明峰医疗系统股份有限公司王小状获国家专利权

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!

龙图腾网获悉明峰医疗系统股份有限公司申请的专利基于CT定位片生成三维医学图像的系统、方法及医学影像设备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:CN114240824B

龙图腾网通过国家知识产权局官网在2026-03-03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:202111274095.2,技术领域涉及:G06T7/00;该发明授权基于CT定位片生成三维医学图像的系统、方法及医学影像设备是由王小状;马春晓;叶宏伟设计研发完成,并于2021-10-29向国家知识产权局提交的专利申请。

基于CT定位片生成三维医学图像的系统、方法及医学影像设备在说明书摘要公布了:本发明具体涉及基于CT定位片生成三维医学图像的系统、方法及医学影像设备,其系统包括采集单元、深度学习单元和显示单元;深度学习单元包括预处理模块、网络生成模块和网络判别模块,预处理模块用于对输入的定位片图像信息进行数据处理;网络生成模块包括编码器、特征转换器和解码器,编码器用于提取数据处理之后的定位片图像的浅层和深层特征,特征转换器用于将编码器提取的2D深层特征向三维的高纬度特征空间进行维度迁移和特征转化以得到3D深层特征,解码器用于扩展和挖掘经过特征转换器的3D深层特征以生成三维医学图像。本发明生成的三维医学图像具有确定的CT值信息,含有丰富医学解剖学信息特征,可有效区分其中的医学器官组织。

本发明授权基于CT定位片生成三维医学图像的系统、方法及医学影像设备在权利要求书中公布了:1.基于CT定位片生成三维医学图像的系统,其特征在于,包括: 采集单元,用于采集定位片图像信息; 深度学习单元,配置生成对抗网络模型,用于根据输入的定位片图像信息生成三维医学图像; 显示单元,用于显示生成的三维医学图像; 其中,深度学习单元包括预处理模块、网络生成模块和网络判别模块,预处理模块用于对输入的定位片图像信息进行数据处理; 网络生成模块包括编码器、特征转换器和解码器,编码器用于提取数据处理之后的定位片图像的浅层和深层特征,特征转换器用于将编码器提取的2D深层特征向三维的高纬度特征空间进行维度迁移和特征转化以得到3D深层特征,解码器用于扩展和挖掘经过特征转换器的3D深层特征,以生成三维医学图像; 网络判别模块用于对经过网络生成模块生成的三维医学图像与真实图像做真假判断,以训练生成对抗网络模型至模型收敛; 所述预处理模块包括依次进行的几何范围裁剪、数值截断和归一化线性变换,几何范围裁剪用于根据定位片图像信息中的扫描坐标起始范围以及X、Z方向的像素的空间单位选取目标范围的图像,数值截断用于根据目标范围的图像的像素值进行截断,归一化线性变换用于对截断之后的图像像素值进行归一化线性变换,得到待输入网络生成模块的定位片图像; 所述编码器包括依次连接的2D卷积、2D下采样模块和第一激活函数; 所述2D下采样模块包括依次连接的残差模块和2D池化层,残差模块由若干依次连接的残差单元组成,残差单元由数个处理小单元串行,处理小单元包括依次连接的卷积层、IN层和LeakyReLU函数,并在最后一个处理小单元和2D下采样模块的输入特征进行叠加,然后经过最后一个处理小单元中的LeakyReLU函数处理,得到特征转换器的输入; 所述特征转换器包括依次连接的卷积、投影单元模块和第二激活函数,投影单元模块由依次连接的全连接层和重整形组成; 所述解码器包括依次连接的3D卷积、3D上采样模块和第三激活函数,3D上采样模块包括依次连接的残差模块和3D反卷积; 所述网络判别模块包括生成图像、真实图像、判别器和判别结果,判别器用于对生成图像与真实图像进行真假判断,以得到判别结果; 其中,判别器包括3D下采样模块,3D下采样模块包括依次连接的残差模块和3D池化层。

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明峰医疗系统股份有限公司,其通讯地址为:311215 浙江省杭州市经济技术开发区益丰路129号5幢1-2层;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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。