天津大学;首都医科大学附属北京友谊医院孙学斌获国家专利权
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!
龙图腾网获悉天津大学;首都医科大学附属北京友谊医院申请的专利基于多切片联合磁共振指纹组织参数映射方法及相关装置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:CN119722841B 。
龙图腾网通过国家知识产权局官网在2025-09-09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:202411773417.1,技术领域涉及:G06T11/00;该发明授权基于多切片联合磁共振指纹组织参数映射方法及相关装置是由孙学斌;王金蹊;庞彦伟;金睿琦;肖静;张栋;王振常设计研发完成,并于2024-12-04向国家知识产权局提交的专利申请。
本基于多切片联合磁共振指纹组织参数映射方法及相关装置在说明书摘要公布了:本申请公开了一种基于多切片联合磁共振指纹组织参数映射方法及相关装置,涉及磁共振指纹成像和深度学习领域,该方法包括:对不同切片的磁共振指纹数据进行预处理,得到不同切片的无噪磁共振指纹数据;将相邻三个切片的无噪磁共振指纹数据输入多切片特征融合网络中,输出融合后的磁共振指纹特征图;将融合后的磁共振指纹特征图输入参数重建网络中,输出中间切片的无噪磁共振指纹数据的组织参数映射结果。本申请利用相邻切片的特征丰富中间切片的特征,通过交叉和注意力运算加强对局部特征的学习,使用全连接网络降低特征维度,并通过DRD‑Net网络提高全局的感受野,增强全局特征的学习,提高磁共振指纹的组织参数重建质量。
本发明授权基于多切片联合磁共振指纹组织参数映射方法及相关装置在权利要求书中公布了:1.一种基于多切片联合磁共振指纹组织参数映射方法,其特征在于,所述基于多切片联合磁共振指纹组织参数映射方法包括: 获取不同切片的磁共振指纹数据;所述磁共振指纹数据为时间序列数据; 对所述不同切片的磁共振指纹数据进行预处理,得到不同切片的无噪磁共振指纹数据; 将所述不同切片的无噪磁共振指纹数据中的相邻三个切片的无噪磁共振指纹数据确定为一组,并将所述不同切片的无噪磁共振指纹数据按组输入多切片特征融合网络中,输出融合后的磁共振指纹特征图;所述多切片特征融合网络用于对相邻三个切片的无噪磁共振指纹数据进行交叉和注意力运算,得到相邻三个切片的无噪磁共振指纹数据进行特征融合后的磁共振指纹特征图; 将所述融合后的磁共振指纹特征图输入参数重建网络中,输出中间切片的无噪磁共振指纹数据的组织参数映射结果; 所述多切片特征融合网络包括三个注意力分支,分别为上注意力分支、中间注意力分支和下注意力分支;每个注意力分支均由偶数个TemporalSwinTransformer块构成; 所述TemporalSwinTransformer块包括块嵌入单元、通道合并单元、第一线性映射单元、多头自注意力单元、第二线性映射单元、第一残差连接单元、层归一化单元、多层感知机、第二残差连接单元、块反嵌入单元和3×3卷积单元; 所述多头自注意力单元为窗口多头自注意力单元或滑动窗口多头自注意力单元;在同一注意力分支中,相邻TemporalSwinTransformer块中的多头自注意力单元不同; 所述块嵌入单元的第一端为所述TemporalSwinTransformer块的输入端;所述块嵌入单元的第二端与所述通道合并单元的第一端连接;所述通道合并单元的第二端与所述第一线性映射单元的一端连接;所述第一线性映射单元的另一端与所述第一残差连接单元的一端连接;所述第一残差连接单元的另一端与所述层归一化单元的一端连接;所述层归一化单元的另一端与所述多层感知机的一端连接;所述多层感知机的另一端与所述第二残差连接单元的一端连接;所述第二残差连接单元的另一端与所述块反嵌入单元的一端连接;所述块反嵌入单元的另一端与所述3×3卷积单元的一端连接;所述3×3卷积单元的另一端为所述TemporalSwinTransformer块的输出端; 所述上注意力分支的块嵌入单元、所述下注意力分支的块嵌入单元和所述中间注意力分支的块嵌入单元在所述中间注意力分支的通道合并单元进行通道合并;所述中间注意力分支的块嵌入单元和所述上注意力分支的块嵌入单元在所述上注意力分支的通道合并单元进行通道合并;所述中间注意力分支的块嵌入单元和所述下注意力分支的块嵌入单元在所述下注意力分支的通道合并单元进行通道合并。
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天津大学;首都医科大学附属北京友谊医院,其通讯地址为:300072 天津市南开区卫津路92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”。
以上内容由龙图腾AI智能生成。
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。
请提出您的宝贵建议,有机会获取IP积分或其他奖励