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申请的专利一种MRI到PET医学图像合成方法及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：CN119444895B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202411458702.4，技术领域涉及：G06T11/00；该发明授权一种MRI到PET医学图像合成方法及装置是由崔恒睿;张平;彭勃;刘秉正;雷建军设计研发完成，并于2024-10-18向国家知识产权局提交的专利申请。

本一种MRI到PET医学图像合成方法及装置在说明书摘要公布了：本发明公开了一种MRI到PET医学图像合成方法及装置，方法包括：构建前向模态属性解耦机制：分别从MRI和PET模态图像中解耦出相应的外观矢量与解剖结构矢量，利用PET模态图像的外观矢量与MRI模态图像的解剖结构矢量合成PET模态图像；构建后向模态属性解耦机制：利用高斯向量学习PET模态图像的外观矢量的分布，在测试阶段利用高斯向量作为PET模态图像的外观矢量来引导MRI到PET医学图像合成；设计诊断导向的模态属性优化策略：通过有效聚合MRI和PET模态图像之间互补的疾病相关信息，预测更准确的诊断信息以引导网络合成高质量的PET模态图像。装置包括：处理器和存储器。本发明充分挖掘不同成像方式所包含的模态属性信息以引导网络合成高质量的PET模态图像。

本发明授权一种MRI到PET医学图像合成方法及装置在权利要求书中公布了：1.一种MRI到PET医学图像合成方法，其特征在于，所述方法包括： 构建前向模态属性解耦机制：分别从MRI和PET模态图像中解耦出相应的外观矢量与解剖结构矢量，利用PET模态图像的外观矢量与MRI模态图像的解剖结构矢量合成PET模态图像； 构建后向模态属性解耦机制：利用高斯向量学习PET模态图像的外观矢量的分布，在测试阶段利用高斯向量作为PET模态图像的外观矢量来引导MRI到PET医学图像合成； 设计诊断导向的模态属性优化策略：利用MRI和PET模态图像间互补的疾病相关信息，预测诊断信息以优化MRI和PET模态图像的模态属性，进而合成PET模态图像； 其中，所述分别从MRI和PET模态图像中解耦出相应的外观矢量与解剖结构矢量具体为： 通过外观矢量编码器和解剖结构矢量编码器分别获取MRI模态图像IMRI和PET模态图像IPET的外观矢量与解剖结构矢量，如下： 其中，和分别表示由三层堆叠的卷积层组成的MRI模态图像和PET模态图像的解剖结构矢量编码器，和分别表示由四层堆叠的卷积层和两层全连接层以及重参数化操作组成的MRI模态图像和PET模态图像的外观矢量编码器，aMRI和aPET分别表示对MRI模态图像和PET模态图像解耦后获得的解剖结构矢量，sMRI和sPET分别表示对MRI模态图像和PET模态图像解耦后获得的外观矢量； 其中，所述利用PET模态图像的外观矢量与MRI模态图像的解剖结构矢量合成PET模态图像具体为： 将aMRI和sPET作为PET模态生成器GP的输入以合成PET模态图像将sMRI和aPET作为MRI模态生成器GM的输入以合成MRI模态图像如下： 其中，GP和GM分别表示由三层堆叠的卷积层和自适应实例归一化层组成的MRI模态图像和PET模态图像的生成器； 将aMRI和sMRI作为MRI模态生成器GM的输入以合成MRI模态图像将aPET和sPRT作为PET模态生成器GP的输入以合成PET模态图像公式表示如下： 其中，所述利用MRI和PET模态图像间互补的疾病相关信息，预测诊断信息以优化MRI和PET模态图像的模态属性，进而合成PET模态图像具体为： 将MRI模态图像的外观矢量sMRI和PET模态图像的外观矢量sPET分别通过自注意力机制增强疾病相关的特征来获得增强后的sMRI和sPET，利用互注意力机制将增强后的sMRI和sPET进行融合得到互补的外观矢量sall，公式表示如下： sall＝cross_attself_attsMRI,self_attsPET 其中，self_att·代表自注意力机制，cross_att·代表互注意力机制，基于互补的外观矢量sall和MRI的解剖结构矢量aMRI，利用自适应实例归一化操作生成疾病诊断特征F，将疾病诊断特征F作为疾病分类器的输入以实现精准的AD诊断。

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，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。