Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 哈工大苏州研究院;哈尔滨工业大学(威海)孙明健获国家专利权

哈工大苏州研究院;哈尔滨工业大学(威海)孙明健获国家专利权

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!

龙图腾网获悉哈工大苏州研究院;哈尔滨工业大学(威海)申请的专利一种基于深度学习的光热治疗靶区温度成像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:CN120088351B

龙图腾网通过国家知识产权局官网在2025-09-23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:202411986188.1,技术领域涉及:G06T11/00;该发明授权一种基于深度学习的光热治疗靶区温度成像方法是由孙明健;张雷西;蔡林涛;马一鸣;马凌玉;韩岳霖设计研发完成,并于2024-12-31向国家知识产权局提交的专利申请。

一种基于深度学习的光热治疗靶区温度成像方法在说明书摘要公布了:本发明公开了一种基于深度学习的光热治疗靶区温度成像方法,所述方法包括如下步骤:步骤1、基于光声超声双模态的多带宽光声成像系统的硬件组成与配置;步骤2、信号采集与预处理;步骤3、TEM‑UNet深度学习网络的构建与训练;步骤4、步骤2预处理后的信号使用传统重建算法生成多个单独模态的数据图像数据,单独模态的数据图像数据经由TEM‑Unet深度学习网络进行精准靶区分割、温度图像重建、多模态图像信息融合。该方法通过引入深度学习TEM‑UNet网络架构,有效分割肿瘤靶区,实现选择性的温度图像重建,显著提升了光热治疗过程中的测温精度,同时降低了系统硬件的复杂性,适用于肿瘤光热治的临床使用。

本发明授权一种基于深度学习的光热治疗靶区温度成像方法在权利要求书中公布了:1.一种基于深度学习的光热治疗靶区温度成像方法,其特征在于所述方法包括如下步骤: 步骤1、基于光声超声双模态的多带宽光声成像系统的硬件组成与配置: 基于光声超声双模态的多带宽光声成像系统由脉冲激光器、线阵超声换能器、多通道数据采集卡和中央计算机构成,其中:脉冲激光器用于激发目标区域内的光吸收体,产生光声信号;线阵超声换能器用于获取超声与光声双模态信号;多通道数据采集卡用于将线阵超声换能器接收到的超声与光声双模态信号进行数字化处理,并将处理后的数据传输至中央计算机进行进一步的分析和处理; 步骤2、信号采集与预处理: 步骤2.1、脉冲激光器发射短脉冲光,照射在目标成像区域内的组织上,激发出光声信号,光声信号的生成通过以下公式表示: 其中,代表在位置r处的初始声压分布,是Grüneisen系数,为组织的光吸收系数,表示局部光能量密度; 步骤2.2、通过时序设计,单个线阵超声换能器分别接收到肿瘤靶区的光声信号与超声信号,这些信号通过多通道数据采集卡进行采集并存储于中央计算机中; 步骤2.3、在中央计算机中对多通道数据采集卡采集到的信号进行初步的预处理,以去除噪声和增强信号的有效部分; 步骤3、TEM-UNet深度学习网络的构建与训练: 步骤3.1、TEM-UNet深度学习网络的构建: TEM-UNet深度学习网络的前半部分是编码器,编码器由四个子模块构成,每个子模块都包含两个卷积层,用于从输入图像中提取特征;每个子模块后都设置有一个最大池化层,用于下采样,通过减少特征图的空间尺寸、加倍特征通道来提取更抽象的特征;后半部分是解码器,解码器由四个子模块构成,每个子模块都通过跳跃连接接收来自编码器对应层的特征图,每个子模块开始于一个上采样操作,上采样后的特征图与编码器中对应层级的特征图进行融合,融合后的特征图经历两个卷积层的处理,每个卷积层后接一个非线性激活函数ReLU,用于提取更高层次的特征,并减少特征图的通道数,在上采样的过程中,网络逐渐恢复医学图像的分辨率,使其逐步接近原始输入图像的分辨率,通过这个过程网络能够精细地定位并分割出图像中的不同区域,从而达到与输入图像相同的分辨率,并生成高质量的图像分割结果;在此基础上,于跳跃连接处引入edge-SRTRansformer模块加强图像特征的融合,并采用自注意力机制对滤波后的特征图像进行上采样像素重组;在特征融合后采用WCSA模块,将编码器特征和解码器特征通道融合后,采用通道注意力机制进行特征提取,并与经edge-SRTRansformer模块上采样的解码器特征进行特征图相加,最后经空间注意力特征提取后输出特征图,从而增强图像特征在通道和空间两个维度的交互,并弥补下采样过程中可能导致的空间信息缺失,进而提高超声图像分割结果的质量; 步骤3.2、TEM-UNet深度学习网络的训练:训练过程中,采用交叉熵损失函数来最小化最终输出图像与标签图像之间的差异; 步骤4、步骤2预处理后的信号使用传统重建算法生成多个单独模态的数据图像数据,单独模态的数据图像数据经由TEM-Unet深度学习网络进行精准靶区分割、温度图像重建、多模态图像信息融合。

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哈工大苏州研究院;哈尔滨工业大学(威海),其通讯地址为:215000 江苏省苏州市吴中区南官渡路500号太湖金港商业综合体K栋20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”。

以上内容由龙图腾AI智能生成。

免责声明
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。