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！

龙图腾网获悉大连大学申请的专利一种基于语义引导网络的医学图像融合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：CN115423731B 。

龙图腾网通过国家知识产权局官网在2025-07-18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：202211070837.4，技术领域涉及：G06T5/50；该发明授权一种基于语义引导网络的医学图像融合系统是由周士华;李嘉伟;李萍设计研发完成，并于2022-09-02向国家知识产权局提交的专利申请。

本一种基于语义引导网络的医学图像融合系统在说明书摘要公布了：本发明公开了一种基于语义引导网络的医学图像融合系统，用于执行医学图像融合任务。通过边缘增强模块和对应的边缘损失函数，使融合结果的边缘纹理更加清晰。区域掩膜模块可以对原图像划分不同的区域来着重提取特征，同时全局细化模块可以优化融合结果的整体视觉效果。此外，通过语义损失函数来传递更多的语义信息，以提高融合图像的质量。本系统可以在视觉感知中生成生动的融合结果，也同时保证了量化指标。因此，本方法有助于医学图像融合的发展。

本发明授权一种基于语义引导网络的医学图像融合系统在权利要求书中公布了：1.一种基于语义引导网络的医学图像融合系统，其特征在于，包括： 边缘增强模块，使用两个具有密集连接模式的3×3卷积和一个1×1卷积从源图像中提取浅层特征图εConv；通过新的梯度滤波器来学习梯度信息εG；然后根据元素加法合并浅层特征图εConv和梯度信息εG得到最终边缘增强特征εf； 区域掩膜模块，通过一个区域掩码生成器RMG和多个区域掩码卷积RMC来学习和优化边缘增强特征εf，以得到特征 全局细化模块，把所述特征导入到两个3×3卷积，以获得全局掩码优化特征然后，将来自MRI分支的边缘增强特征εf与全局掩码优化特征相关联；最后通过元素加法来整合特征εf与以生成全局的细化信息，并使用两个1×1卷积来消除信道维度的差异；该模块细化过程量化为： 其中，⊙表示连接操作； 通过损失函数来训练医学图像融合系统，所述损失函数包括边缘损失函数LE、结构相似性损失函数LSSIM和语义损失LS；故总损失函数Ltotal定义为： Ltotal＝LE+αLSSIM+βLS 其中α和β是平衡Ltotal的超参数； 在训练阶段，所述边缘损失函数分为两部分： LE＝Lc+γLg 其中，Lc和Lg分别代表内容和梯度损失；γ是控制Lg大小的超参数；在内容损失Lc中，使用L1范数来测量生成的输出图像与源图像之间差异；所述Lc定义为： 其中，HF和WF表示IF的高度和宽度；max*和||*||1分别表示最大选择策略和L1范数；IF是融合图像，IA,IB是源图像； 通过梯度损失来测量像素域中的梯度值，具体为： 其中，代表计算梯度值的索贝尔算子。

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大连大学，其通讯地址为：116622 辽宁省大连市经济技术开发区学府大街10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”。