北京航空航天大学傅健获国家专利权
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!
龙图腾网获悉北京航空航天大学申请的专利基于无监督特征学习的X射线多衬度图像融合表征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:CN120198301B 。
龙图腾网通过国家知识产权局官网在2025-08-22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:202510672065.9,技术领域涉及:G06T5/50;该发明授权基于无监督特征学习的X射线多衬度图像融合表征方法是由傅健;管为;刘昱;张昌盛设计研发完成,并于2025-05-23向国家知识产权局提交的专利申请。
本基于无监督特征学习的X射线多衬度图像融合表征方法在说明书摘要公布了:本发明涉及基于无监督特征学习的X射线多衬度图像融合表征方法,属于深度学习以及X射线多衬度成像技术领域。所述方法包括:获取X射线光栅成像的吸收、相位、暗场衬度计算机断层图像;构建基于无监督特征学习的生成对抗网络模型;训练基于无监督特征学习的生成对抗网络模型;使用已训练的模型对吸收、相位、暗场衬度计算机断层图像进行融合获取融合图像,使用融合的图像对被检物体进行表征。本发明实施例相比现有的X射线光栅多衬度成像技术,能够较好地利用X射线光栅差分相衬成像同时能产生三种不同衬度图像的优势,对三种衬度图像进行融合表征。
本发明授权基于无监督特征学习的X射线多衬度图像融合表征方法在权利要求书中公布了:1.基于无监督特征学习的X射线多衬度图像融合表征方法,其特征在于,包括如下步骤: 步骤S1、使用X射线光栅多衬度成像系统进行成像,获取吸收、相位、暗场衬度计算机断层图像,构建训练数据集; 步骤S2、构建基于无监督特征学习的条件生成对抗网络模型,所述网络模型包括生成器和判别器,用于对多衬度图像进行融合表征,其中,所述生成器包括特征增强模块、特征融合模块,所述特征增强模块包括并联的密集连接网络和基于自注意力机制的卷积神经网络,分别用于增强局部特征和全局特征,所述特征融合模块包括Unet网络,用于对增强后的特征进行融合得到融合图像;所述判别器包括三个子判别器,分别用于判别融合图像与输入的吸收、相位、暗场衬度图像的相似程度; 步骤S3、使用所述训练数据集对构建的网络模型进行训练; 步骤S4、使用训练好的网络模型对X射线光栅多衬度成像系统产生的吸收、相位、暗场衬度计算机断层图像进行融合表征。
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北京航空航天大学,其通讯地址为:100191 北京市海淀区学院路37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”。
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。