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！

龙图腾网获悉中国人民解放军空军军医大学申请的专利一种低剂量CT重建方法及装置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：CN120807682B 。

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：202510888206.0，技术领域涉及：G06T12/20；该发明授权一种低剂量CT重建方法及装置是由薛克勤;余静;闫新成;张小锐;高瑾;王静;毛丽;李旭设计研发完成，并于2025-06-30向国家知识产权局提交的专利申请。

本一种低剂量CT重建方法及装置在说明书摘要公布了：本发明公开了一种低剂量CT重建方法及装置，涉及图像处理技术领域，包括：获取低剂量CT图像；采用训练好的深度学习网络对低剂量CT图像分别在投影域、弦图域和图像域进行处理；在投影域，对低剂量CT图像进行处理，得到更新的投影数据，在弦图域，对更新的投影数据进行处理，得到更新的弦图数据，在图像域，对更新的弦图数据进行处理，得到重建的低剂量CT图像；其中，训练好的深度学习网络以预设类别的数据作为训练数据集，对初始的深度学习网络进行训练，在训练过程中进行中间监督，微调训练中的深度学习网络得到。本发明能够实现对低剂量CT图像的良好重建。

本发明授权一种低剂量CT重建方法及装置在权利要求书中公布了：1.一种低剂量CT重建方法，其特征在于，包括： 获取低剂量CT图像； 采用训练好的深度学习网络对所述低剂量CT图像分别在投影域、弦图域和图像域进行处理；在投影域，对所述低剂量CT图像进行处理，得到更新的投影数据，在弦图域，对所述更新的投影数据进行处理，得到更新的弦图数据，在图像域，对所述更新的弦图数据进行处理，得到重建的低剂量CT图像； 其中，所述训练好的深度学习网络以预设类别的数据作为训练数据集，对初始的深度学习网络进行训练，在训练过程中进行中间监督，微调训练中的深度学习网络得到； 所述训练好的深度学习网络包括弦图域去噪模型，所述弦图域去噪模型包括噪声估计网络和第一多尺度Transformer网络；所述第一多尺度Transformer网络包括第三卷积层、第一Transformer模块、第一多尺度下采样融合模块、第二Transformer模块、第二多尺度下采样融合模块、第三Transformer模块、第一上采样特征融合模块、第四Transformer模块、第二上采样特征融合模块、第五Transformer模块和第四卷积层；采用所述噪声估计网络对所述更新的投影数据进行处理，得到噪声估计特征图，采用所述第一多尺度Transformer网络对所述噪声估计特征图和所述更新的投影数据进行处理，得到更新的弦图数据，包括： 采用所述第三卷积层将所述噪声估计特征图和所述更新的投影数据进行处理，得到高维特征； 采用所述第一Transformer模块对所述高维特征进行处理，得到第一全局特征； 采用所述第一多尺度下采样融合模块对所述第一全局特征进行处理，得到第一细节特征； 采用所述第二Transformer模块对所述第一细节特征进行处理，得到第二全局特征； 采用所述第二多尺度下采样融合模块对所述第二全局特征进行处理，得到第二细节特征； 采用所述第三Transformer模块对所述第二细节特征进行处理，得到第三全局特征； 采用所述第一上采样特征融合模块对所述第三全局特征和所述第二全局特征进行处理，得到第一拼接特征； 采用所述第四Transformer模块对所述第一拼接特征进行处理，得到第四全局特征； 采用所述第二上采样特征融合模块对所述第四全局特征和所述第一全局特征进行处理，得到第二拼接特征； 采用所述第五Transformer模块对所述第二拼接特征进行处理，得到第五全局特征； 采用所述第四卷积层对所述第五全局特征进行处理，得到全局特征； 将所述全局特征、所述噪声估计特征图和所述更新的投影数据相加，得到更新的弦图数据。

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中国人民解放军空军军医大学，其通讯地址为：710032 陕西省西安市新城区长乐西路169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。