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！

龙图腾网获悉上海交通大学医学院附属第九人民医院申请的专利一种基于自监督多模态融合的医学图像配准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：CN119379755B 。

龙图腾网通过国家知识产权局官网在2025-08-05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：202411960769.8，技术领域涉及：G06T7/33；该发明授权一种基于自监督多模态融合的医学图像配准方法是由刘剑楠;周紫玉;丁晓伟;韩婧设计研发完成，并于2024-12-30向国家知识产权局提交的专利申请。

本一种基于自监督多模态融合的医学图像配准方法在说明书摘要公布了：本发明涉及一种基于自监督多模态融合的医学图像配准方法，步骤包括：获取同一病人的一对CT与MRI图像；采用以MRI图像冠状平面和矢状平面的切片作为监督信号进行自监督训练的MRI图像超分辨率重建模型，得到高分辨率MRI图；以CT为固定图像，MRI为需要形变的移动图像，分别利用原始MRI图像与CT图像训练以及重建模型得到的高分辨率MRI图像与CT图像训练形变场生成模型得到粗粒度尺度的形变场与细粒度尺度的形变场，并叠加两个形变场得到混合形变场对病人的CT与MRI图像进行配准。与现有技术相比，本发明解决了与传统的非刚性配准方法相关的计算挑战，提高了图像配准的速度和效率，更适合临床应用。

本发明授权一种基于自监督多模态融合的医学图像配准方法在权利要求书中公布了：1.一种基于自监督多模态融合的医学图像配准方法，其特征在于，步骤包括： 获取同一病人的一对CT与MRI图像； 对于原始MRI图像，采用以MRI图像冠状平面和矢状平面的切片作为监督信号进行自监督训练的MRI图像超分辨率重建模型，得到高分辨率MRI图； 所述的超分辨率重建模型包括三个模块：特征编码器、上采样网络、特征解码器； 所述的特征编码器采用学生-教师网络，输入的原始图像在冠状面和矢状面进行抽帧下采样后，输入到特征编码器的学生网络中，得到每一层的低分辨率特征图像，将每组相邻帧的低分辨率图像特征输入到上采样网络中； 上采样网络将相邻两层特征图拼接，并输入到一个RDN网络模块中预测出插帧的上采样层的特征图，得到合成的中间层特征； 解码器模块将合成的中间层特征经过卷积层，得到预测的高分辨率合成图； 所述采用学生-教师网络的特征编码器中学生网络和教师网络均采用RDN网络，网络结构和初始权重完全相同； 原始MRI图像在冠状面和矢状面进行抽帧下采样，输入到学生网络特征编码器中，得到每一层的低分辨率特征图像，将每组相邻帧的低分辨率图像特征输入到上采样网络中，通过上采样网络预测出插帧的上采样层的特征图，之后送入特征解码器中得到合成的上采样图，将合成的冠状面和矢状面图与原始图像的冠状面矢状面图计算MSE损失；学生网络通过MSE损失回传进行梯度更新； 将原始MRI图像输入教师网络特征编码器中，得到冠状面和矢状面高分辨率的特征图，将特征图与学生网络输出的特征图计算一致性损失，通过一致性损失与MSE损失联合优化超分辨率网络；教师网络梯度固定，通过指数滑动平均由学生网络的权重进行更新； 所述超分辨率重建模型采用由特征解码器预测的冠状面和矢状面高分辨率合成图与原始图像的冠状面和矢状面图之间的损失来以及教师网络得到的高分辨率的特征图与学生网络上采样网络输出的特征图之间的一致性损失进行联合优化； 超分辨率重建模型的优化损失为： 其中，lMSE为学生网络合成的冠状面和矢状面图与原始图像的冠状面矢状面图之间的损失，使用均方误差损失函数来保证插值切片与真实中间切片之间的逐像素一致性，其公式如下： 其中，为学生特征编码器-上采样网络-特征解码器的集合； lconsistency为教师网络得到特征图与学生网络上采样网络输出的特征图之间的一致性损失，用均方误差损失来保持两个分支特征的一致性，公式如下： 其中，为教师编码器，为学生编码器，为上采样网络；分别为第i个下采样的矢状和冠状方向切片；分别为第i个原图像的矢状和冠状方向切片；分别为第2i个原图像的矢状和冠状方向切片；分别为第i+1个下采样的矢状和冠状方向切片；X,Y为原始MRI图像在矢状和冠状方向的像素数量； 以CT为固定图像，MRI为需要形变的移动图像，利用原始MRI图像与CT图像训练第一形变场生成模型得到粗粒度尺度的形变场；利用超分辨率重建模型得到的高分辨率MRI图像与CT图像训练第二形变场生成模型得到细粒度尺度的形变场；叠加粗粒度尺度的形变场与细粒度尺度的形变场得到混合形变场； 通过混合形变场对病人的CT与MRI图像进行配准。

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上海交通大学医学院附属第九人民医院，其通讯地址为：200011 上海市黄浦区制造局路639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”。