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！

龙图腾网获悉青岛瑞思德生物科技有限公司;宜昌市中心人民医院(三峡大学第一临床医学院、三峡大学附属中心人民医院)申请的专利医学图像低对比度区域自适应增强方法及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：CN119991534B 。

龙图腾网通过国家知识产权局官网在2025-07-29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：202510459070.1，技术领域涉及：G06T5/94；该发明授权医学图像低对比度区域自适应增强方法及系统是由杜永秀;张辉;吴胜梅;黄星;曹妍;王晓丹;覃江松;唐慧澄;陈林;朱静;张炳强;陈梦梦;左宁;董鼎才;梁少帅;谭明智;顾玉超;周祺惠设计研发完成，并于2025-04-14向国家知识产权局提交的专利申请。

本医学图像低对比度区域自适应增强方法及系统在说明书摘要公布了：本发明公开了医学图像低对比度区域自适应增强方法及系统，涉及医学图像处理技术领域，该方法包括：接收目标医学图像集合；进行变形度量，根据度量结果进行图像配准，生成第一配准图像和第二配准图像；对第一配准图像和所述第二配准图像进行多层次的融合，生成融合医学图像；进行滑动窗口下的局部对比度计算，识别融合低对比度区域；对融合低对比度区域进行多特征分析，生成融合增强图像。本发明解决了现有技术中在处理多模态医学图像时，难以有效识别和增强低对比度区域，导致医学图像的质量和对比度低的技术问题，达到了实现对多模态医学图像中低对比度区域的自适应增强，显著提升医学图像的质量和对比度的技术效果。

本发明授权医学图像低对比度区域自适应增强方法及系统在权利要求书中公布了：1.医学图像低对比度区域自适应增强方法，其特征在于，包括： 接收目标医学图像集合，其中，所述目标医学图像集合至少包括第一模态对应的第一医学图像和第二模态对应的第二医学图像； 对所述第一医学图像与所述第二医学图像进行变形度量，根据度量结果进行图像配准，生成第一配准图像和第二配准图像，其中，图像配准包括刚性配准或弹性配准； 通过多尺度融合对所述第一配准图像和所述第二配准图像进行多层次的融合，生成融合医学图像； 针对所述融合医学图像进行滑动窗口下的局部对比度计算，识别融合低对比度区域； 对所述融合低对比度区域进行灰度分布动态、灰度梯度和频域特征的多特征分析，基于多特征分析结果，调用预训练的自适应增强模块进行多个对比度增强模型的联合增强处理，生成融合增强图像； 所述第一模态和所述第二模态为不同的医学影像模态，且，所述第一医学图像和所述第二医学图像为同一用户在同一位置的不同医学影像模态下的医学影像； 对所述第一医学图像与所述第二医学图像进行变形度量，根据度量结果进行图像配准，生成第一配准图像和第二配准图像，包括： 对所述第一医学图像与所述第二医学图像进行互信息计算，生成互信息系数； 基于所述互信息系数进行形变程度分析，根据分析结果进行刚性配准和弹性配准的筛选，确定目标配准方案； 基于所述目标配准方案对所述第一医学图像与所述第二医学图像进行配准，生成所述第一配准图像和所述第二配准图像； 基于所述互信息系数进行形变程度分析，根据分析结果进行刚性配准和弹性配准的筛选，确定目标配准方案，包括： 构建刚性配准变形条件约束，其中，所述刚性配准变形条件约束为通过历史刚性配准图像样本训练的互信息系数阈值； 判断所述互信息系数是否满足所述刚性配准变形条件约束； 若是，以刚性配准生成所述目标配准方案； 若否，以弹性配准生成所述目标配准方案； 所述刚性配准使用所述第一医学图像与所述第二医学图像的重心进行初始化的平移对齐，使用梯度下降法，通过调整平移和旋转参数，最大化所述第一医学图像与所述第二医学图像之间的互信息； 所述弹性配准使用刚性配准先对所述第一医学图像与所述第二医学图像进行初步对齐，基于B-splines构建变形场模型，通过梯度下降法计算变形场，使得所述第一医学图像与所述第二医学图像之间的差异最小化。

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青岛瑞思德生物科技有限公司;宜昌市中心人民医院(三峡大学第一临床医学院、三峡大学附属中心人民医院)，其通讯地址为：266000 山东省青岛市高新区河东路368号青岛蓝色生物医药产业园孵化中心7#楼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”。