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！

龙图腾网获悉苏州工学院申请的专利一种基于深度学习的医学图像重建方法及系统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：CN120355603B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202510838525.0，技术领域涉及：G06T5/60；该发明授权一种基于深度学习的医学图像重建方法及系统是由王颖;蔡凌志;周思林;高燕;汝吉东;闫海英;沈健;刘永俊;姚宇峰;欧阳颖设计研发完成，并于2025-06-23向国家知识产权局提交的专利申请。

本一种基于深度学习的医学图像重建方法及系统在说明书摘要公布了：本发明公开了一种基于深度学习的医学图像重建方法及系统，包括：针对医学成像设备获取的低质量图像，首先采用预训练卷积神经网络提取初始特征，通过梯度计算和通道注意力机制增强边缘细节，再利用对抗生成网络进行图像重建。随后，结合物理成像模型和设备偏差模式对重建图像进行校正，并通过多尺度卷积网络和残差精炼网络进一步提升图像质量。最后，本发明采用双路径网络生成热图定位可疑病变区域，并根据病理先验知识进行标注，生成诊断辅助图像。本发明能有效提高医学图像质量，增强病变区域的可视化效果。

本发明授权一种基于深度学习的医学图像重建方法及系统在权利要求书中公布了：1.一种基于深度学习的医学图像重建方法，其特征在于，包括： 基于医学成像设备获取低质量图像数据，并采用预训练卷积神经网络提取初始特征，生成包含纹理和结构信息的第一特征集； 对所述第一特征集进行梯度计算处理，生成包含边缘分布特征的第二特征集； 根据所述第二特征集的边缘细节强度与预设阈值的比较结果，采用通道注意力机制进行处理，生成第三特征集； 将所述第三特征集输入对抗生成网络生成初步重建图像，通过判别器网络评估特征分布差异后优化生成第一重建图像； 对所述第一重建图像进行伪影校正处理，生成满足物理约束的第二重建图像； 根据预训练的设备偏差模式对所述第二重建图像进行强度校正，生成第三重建图像； 采用多尺度卷积网络对所述第三重建图像进行特征提取与融合处理，生成第四重建图像； 将所述第四重建图像输入残差精炼网络进行细节增强处理，生成最终高质量重建图像； 从所述最终高质量重建图像提取特征数据，采用双路径网络生成热图并定位可疑病变区域； 根据病理先验知识对所述可疑病变区域进行类型标注处理，生成诊断辅助图像； 对所述第一重建图像进行伪影校正处理，生成满足物理约束的第二重建图像的过程包括： 获取第一重建图像的像素强度数据和伪影分布特征，采用特征提取算法确定伪影区域，得到伪影分布特征图； 根据所述伪影分布特征图，从预先建立的物理成像模型中提取成像模型参数，确定校正处理的参数集； 采用约束优化方法，结合物理约束条件和成像模型参数，对所述伪影分布特征图执行优化计算，得到校正后的像素强度分布； 通过校正后的像素强度分布，重建图像空间一致性，生成初步校正图像； 若所述初步校正图像的图像重建质量低于预设的阈值，则采用迭代优化算法调整像素强度，得到优化后的校正图像，并验证所述优化后的校正图像是否满足物理约束条件，得到第二重建图像； 对所述第二重建图像计算图像空间一致性和伪影残留程度，判断校正算法精度，得到最终校正后的第二重建图像。

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苏州工学院，其通讯地址为：215506 江苏省苏州市常熟市南三环路99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”。