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 > 宁波大学刘凤淳获国家专利权

宁波大学刘凤淳获国家专利权

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!

龙图腾网获悉宁波大学申请的专利面向脑微出血检测的神经辐射场体积超分辨率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:CN121504728B

龙图腾网通过国家知识产权局官网在2026-03-17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:202610042425.1,技术领域涉及:G06T3/4053;该发明授权面向脑微出血检测的神经辐射场体积超分辨率重建方法是由刘凤淳;张荣;郭立君;吕中月;谢国平设计研发完成,并于2026-01-14向国家知识产权局提交的专利申请。

面向脑微出血检测的神经辐射场体积超分辨率重建方法在说明书摘要公布了:本发明公开了一种面向脑微出血检测的神经辐射场体积超分辨率重建方法。首先获取患者低分辨率SWI体数据,通过多尺度坐标采样构建样本,包括:在切片上进行局部稀疏坐标采样获得空洞补丁的一级坐标集合,再对每个坐标进行三维径向坐标采样获得二级坐标集合;随后构建神经辐射场模型,将样本输入模型并结合球面体渲染技术生成最终渲染值;再根据预设超分倍数a间隔选取切片构成训练集和待重建集,训练模型后对待重建集进行预测,最终得到Z轴切片数量提升的高分辨率SWI体数据。本发明无需成对训练数据,通过创新的采样策略显著提升了局部结构重建保真度,并能精准重建SWI特有的磁敏感特性,有效克服了现有技术的不足。

本发明授权面向脑微出血检测的神经辐射场体积超分辨率重建方法在权利要求书中公布了:1.一种面向脑微出血检测的神经辐射场体积超分辨率重建方法,其特征在于,包括以下步骤: S1、获取一名患者的低分辨率SWI体数据,对切片进行多尺度坐标采样,包括: 局部稀疏坐标采样:在每张切片上重复采样多个不同的空洞补丁,每个空洞补丁提供包含中心像素及其周边稀疏分布像素的一级坐标集合; 三维径向坐标采样:对于每个一级坐标集合中的各坐标,以其为球心、在预设半径的三维球形空间内采样多个第一采样点,并将它们的笛卡尔坐标构成二级坐标集合; 将由一个所述空洞补丁所对应的全部二级坐标集合,聚合为一个样本; S2、构建一个神经辐射场模型,其中的多层感知机用于学习从笛卡尔坐标到颜色值和体密度的映射; 将所述样本中的每个二级坐标集合输入所述模型,并结合球面体渲染技术,生成对应像素的最终渲染值,并输出; 所述步骤S2中,将所述样本中的每个二级坐标集合输入所述模型,并结合球面体渲染技术,生成对应像素的最终渲染值的具体过程为: S21、将所述样本中的每个二级坐标集合输入所述模型中的第一多层感知机,得到所述第一采样点的第一颜色值和第一体密度; S22、基于所述第一体密度,在同一三维球形空间内采样多个第二采样点; 所述步骤S22中第二采样点的采样过程为: S221、基于所有第一采样点的第一体密度,计算所有第一采样点各自的第一加权值; S222、将所有第一采样点的第一加权值按降序排列,取靠前的若干个第一加权值对应的第一采样点在其所处三维球形空间内的径向距离; S223、根据引入的两个相互独立且均服从[0,1]均匀分布的随机变量,分别计算方位角和极角,并结合步骤S222得到的径向距离,确定一个第二采样点; S224、重复步骤S223的过程,在不同径向距离下各采样多个第二采样点; S23、将两类采样点的笛卡尔坐标输入所述模型中的第二多层感知机,得到对应采样点的第二颜色值和第二体密度,并通过球面体渲染技术,生成所有采样点对应像素的最终渲染值; S3、按预设的Z轴超分倍数a,从低分辨率SWI体数据中每间隔a-1张选取1张切片,选取的所有切片对应的样本构成训练集,剩余的所有切片对应的样本构成待重建集; S4、基于训练集对所述模型进行训练,获得训练好的模型; S5、利用训练好的模型对待重建集进行预测,依据输出的最终渲染值,生成空洞补丁对应的重建图像块,进而得到Z轴切片数量提升的高分辨率SWI体数据。

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宁波大学,其通讯地址为:315000 浙江省宁波市江北区风华路818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。

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。