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！

龙图腾网获悉南京钺曦医疗科技有限公司申请的专利适用于核磁共振成像设备的图像重建方法和系统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：CN121392063B 。

龙图腾网通过国家知识产权局官网在2026-04-10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：202511963165.3，技术领域涉及：G06T12/20；该发明授权适用于核磁共振成像设备的图像重建方法和系统是由边钺岩;范晟昱;李志清;汪威;赵清瑜设计研发完成，并于2025-12-24向国家知识产权局提交的专利申请。

本适用于核磁共振成像设备的图像重建方法和系统在说明书摘要公布了：本申请公开了一种适用于核磁共振成像设备的图像重建方法和系统，方法包括：响应于图像重建指令，从低场核磁共振成像设备获取欠采样的k空间数据和与其对应的采样掩码、扫描条件信息；根据扫描条件信息、预先训练的条件化稀疏变换网络，生成动态稀疏字典；基于k空间数据、采样掩码、动态稀疏字典，结合预先训练的自适应权重网络、生成式先验网络进行混合迭代优化，生成高质量重建图像。因此，采用本申请实施例，通过引入条件化稀疏变换网络，能动态生成最优的稀疏字典，实现自适应的稀疏表示，从而提高低场核磁重建图像的质量和可靠性。

本发明授权适用于核磁共振成像设备的图像重建方法和系统在权利要求书中公布了：1.一种适用于核磁共振成像设备的图像重建方法，其特征在于，所述方法包括： 响应于图像重建指令，从低场核磁共振成像设备获取欠采样的k空间数据和与其对应的采样掩码、扫描条件信息； 根据所述扫描条件信息、预先训练的条件化稀疏变换网络，生成动态稀疏字典； 基于所述k空间数据、所述采样掩码、所述动态稀疏字典，结合预先训练的自适应权重网络、生成式先验网络进行混合迭代优化，生成高质量重建图像； 所述基于所述k空间数据、所述采样掩码、所述动态稀疏字典，结合预先训练的自适应权重网络、生成式先验网络进行混合迭代优化，生成高质量重建图像，包括： 定义混合迭代优化的目标函数；采用交替方向乘子法ADMM，对所述目标函数的耦合项解耦，得到用于更新图像的第一表达式、用于更新稀疏变量、先验变量、对偶变量的第二表达式；将所述k空间数据进行零填充逆傅里叶变换，得到初始图像估计；初始化稀疏变量、先验变量、对偶变量；将所述初始图像估计、所述初始化的稀疏变量、先验变量、对偶变量作为图像更新参数；通过所述第一表达式、所述图像更新参数、采样掩码进行图像更新，得到更新的图像估计；以所述第二表达式为基点，根据所述动态稀疏字典、预先训练的自适应权重网络、生成式先验网络，更新所述初始化的稀疏变量、先验变量、对偶变量，得到更新的稀疏变量、更新的先验变量、更新的对偶变量；根据所述更新的图像估计、所述更新的稀疏变量、更新的先验变量、更新的对偶变量，得到高质量重建图像； 所述目标函数的函数表达式为： 其中，是待重建的高质量重建图像，代表实际测量的欠采样k空间数据，代表采样掩码，代表傅里叶变换算子，代表条件向量，代表以条件为输入的条件化稀疏变换网络，代表自适应权重网络，代表生成式先验网络，代表L2范数，代表L1范数，代表Hadamard积，代表稀疏约束权重，取值范围为0.05-0.2，代表生成先验权重，取值范围是0.01-0.05； 所述第一表达式为： 其中，为更新的图像估计，代表当前迭代次数，代表单位矩阵，为向量对角矩阵化操作，为惩罚参数，为惩罚参数，代表转置，为当前迭代次数下的稀疏变量，是当前迭代次数下的先验变量，、分别为当前迭代次数下的对偶变量，用于稀疏约束，用于先验约束。

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钺曦医疗科技有限公司，其通讯地址为：210000 江苏省南京市秦淮区实辉巷10-1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。