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！

龙图腾网获悉西南石油大学申请的专利一种融合感知损失和密集残差注意力卷积块的两阶段式骨显像降噪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：CN116228699B 。

龙图腾网通过国家知识产权局官网在2025-09-05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：202310138391.2，技术领域涉及：G06T5/70；该发明授权一种融合感知损失和密集残差注意力卷积块的两阶段式骨显像降噪方法是由罗仁泽;余泓;罗任权;吴涛;廖波;赵丹;王清松;曹瑞;易玺设计研发完成，并于2023-02-20向国家知识产权局提交的专利申请。

本一种融合感知损失和密集残差注意力卷积块的两阶段式骨显像降噪方法在说明书摘要公布了：本发明公开了一种融合感知损失和密集残差注意力卷积块的两阶段式骨显像降噪方法，针对骨显像信噪比、分辨率较低，影响医生诊断以及病灶自动检测效果的问题。以密集残差注意力卷积块为基本卷积单位，提出了结合密集残差注意力卷积块的两阶段式骨显像降噪网络，首先通过噪声估计网络估计骨显像的噪声水平，然后采用设计的主干降噪网络得到降噪后的骨显像，最后利用融合感知损失混合损失函数优化骨显像降噪效果。本发明公开的骨显像去噪方法，在有效降低骨显像噪声的同时，也能够保留骨显像的病灶细节特征。

本发明授权一种融合感知损失和密集残差注意力卷积块的两阶段式骨显像降噪方法在权利要求书中公布了：1.一种融合感知损失和密集残差注意力卷积块的两阶段式骨显像降噪方法，其特征在于包括以下步骤： 步骤1：对骨显像进行预处理，具体处理方式为： 1对骨显像进行归一化，将原始骨显像文件转化为可见灰度图像； 2往骨显像中加入不同水平的泊松噪声，并将图像调至N×N像素大小，N为正整数； 3将预处理后的骨显像数据集划分为训练集和测试集； 步骤2：构建密集残差注意力卷积块，整个密集残差注意力卷积块由1×1、3×3卷积、ReLU激活函数和协调注意力机制构成，卷积块的计算结构如下： x1＝σConv3×3xin x2＝σConv1×1concatx1,xin x3＝σConv3×3x2 xout＝CAxin+x3+x2 式中：xin表示输入卷积块的骨显像，xout表示经过密集残差注意力卷积块计算后的骨显像，即的骨显像特征图；σ表示进行BN批量归一化和ReLU非线性变换；Conv3×3·、Conv1×1·分别表示3×3卷积与1×1卷积运算；concat表示特征拼接，设x1为c1×h×w、xin为c2×h×w，则concatx1,xin的计算结果为c1+c2×h×w；CA代表协调注意力机制，设两个输入特征的大小均为c×h×w，其计算流程如下： 式中：c表示通道数；h表示高度；w表示宽度；xch,i表示通道为c、高为h时，第i个像素点；xcj,w表示通道为c、宽为w时，第j个像素点；表示在通道c中，对高度h的第w行特征信息求和并取平均；计算方法同理； 式中：F1·表示特征拼接后，进行1×1卷积运算；δ·表示非线性变换，即批量归一化和PReLU激活函数的组合； 式中：fh、fw分别表示f沿h、w方向降维后的向量；μ·表示Sigmoid激活函数运算； 式中：xci,j表示输入协调注意力机制的骨显像；x'ci,j表示经过协调注意力机制计算后的骨显像，即骨显像特征图； 步骤3：整体降噪模型设计为噪声估计网络与主干降噪网络的两阶段式架构，由步骤2提出的密集残差注意力卷积块构成，一共包含2*n+m个卷积块，n与m均为大于0的正整数，n为噪声估计网络中U-Net层数，m为主干降噪网络中U-Net层数，噪声估计网络输出骨显像噪声水平，主干降噪网络输出最终的降噪骨显像； 步骤4：使用步骤1得到的训练集对步骤3搭建好的网络模型进行训练，分别使用交叉熵损失和融合感知损失的混合损失函数来计算噪声估计网络、主干降噪网络的输出损失，使用Adam优化器最小化损失函数； 交叉熵损失函数计算公式为： 式中：ck代表第k张骨显像，Pck代表真实噪声水平，qck代表模型预测噪声水平； 融合感知损失的混合损失函数计算公式如下： LH＝1-λLmse+λLprec,0≤λ≤1 式中：λ为常数，用于平衡两项损失函数；Lmse表示均方误差损失函数，用于指导模型进行逐像素级降噪；Lprec表示感知损失函数，用于对Lmse进行约束、保留骨显像的细节特征； 均方误差计算公式为： 式中：w、h表示骨显像的宽、高，均为正整数；yi、xi分别代表降噪骨显像与原骨显像； 感知损失计算公式为： 式中：表示深度学习模型提取到的图像特征；表示模型提取到的原骨显像特征；表示模型提取到的降噪骨显像特征；h表示高度；w表示宽度； 步骤5：将步骤1预处理后的测试集数据，送入步骤3搭建的网络模型中，利用步骤4中设计的混合损失函数计算损失值，并通过峰值信噪比对模型的降噪效果进行评估，根据最优参数保存最终的网络模型，记为EMANet模型； 峰值信噪比计算公式为： 式中：MAXI表示骨显像中最大像素值； 步骤6：利用保存的EMANet模型输出最后的降噪骨显像。

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西南石油大学，其通讯地址为：610500 四川省成都市新都区新都大道8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”。