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！

龙图腾网获悉上海大学申请的专利一种基于双视图深度增强CT骨成像方法和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：CN119722485B 。

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：202411792356.3，技术领域涉及：G06T5/50；该发明授权一种基于双视图深度增强CT骨成像方法和系统是由武星;杨国银设计研发完成，并于2024-12-07向国家知识产权局提交的专利申请。

本一种基于双视图深度增强CT骨成像方法和系统在说明书摘要公布了：本发明公开了一种基于双视图深度增强CT骨成像方法和系统，利用深度学习和多策略融合技术实现高质量的图像恢复和骨微结构分析，该系统包含以下模块：Cascade‑SwinUNETR主干模块，用于特征提取和增强，实现高效的多尺度特征聚合。双视图特征融合模块，通过结合来自不同视角的CT图像数据，提取并整合互补信息，提升图像的细节表现和结构准确性。无监督域适应模块UDA，用于适应不同数据分布，无需额外标注，实现跨域学习和模型泛化，确保系统在各种医学场景中的稳定性能。本发明通过提升CT成像的清晰度和准确度，还可显著改善医生在骨骼健康评估中的决策质量和效率，同时减少对侵入性采样的依赖。

本发明授权一种基于双视图深度增强CT骨成像方法和系统在权利要求书中公布了：1.一种基于双视图深度增强CT骨成像方法，其特征在于，通过结合深度学习模型进行特征提取和双视图数据的深度特征融合，实施无监督域适应以适应不同的输入数据分布，实现图像的高分辨率恢复和细节增强，具体包括如下步骤： 1使用Cascade-SwinUNETR主干网络进行特征提取：使用Cascade-SwinUNETR主干网络进行高效特征提取，结合win-Transformer模块与U-Net++的特征聚合技术，通过逐层特征融合和深度监督机制，该主干网络能够捕捉复杂的图像细节和特征分布，从而实现更高的分辨率和对细微结构的增强，网络架构利用多尺度特征表示，确保了在各种成像噪声环境下的稳定性和鲁棒性；所述深度学习模型，利用注意力机制和自编码器风格的重建以实现更好的降噪和特征清晰度，架构采用自编码器风格的设计，通过引入注意力机制和深度特征聚合来进行图像重建，该架构包括编码器、特征融合模块和解码器模块，编码器部分负责从双视图数据中提取多尺度特征，并通过注意力机制进行加权，以获取最相关的特征表示，融合模块结合了局部和全局注意力，确保了输入特征的有效整合，解码器模块则进行重建，将提取的深度特征还原为高分辨率图像，并通过特定的降噪策略减少图像伪影和噪声，提升图像的清晰度和细节表现； 2采用双视图数据进行深度特征融合和聚合：通过双视图数据输入，包括来自不同视角的CT扫描数据，以提高骨成像的整体清晰度和准确性，双视图特征融合模块通过深度特征融合策略，将两个视角的数据进行联合处理，提取出每个视角中的互补信息，此过程使用基于注意力机制的深度融合方法，通过全局和局部特征加权，确保了图像的完整性和细节清晰度，双视图融合的优势在于补偿单视图中可能存在的信息缺失或伪影，从而生成更全面的骨结构成像； 3实施无监督域适应以适应不同的输入分布，域适应模块采用无监督学习策略来适应不同的输入数据分布，使模型能够在未经标注的数据上训练，扩大了其适应能力和应用范围，通过对目标域和源域特征分布的对齐，无监督域适应模块能有效减少分布差异，提高模型的泛化能力，从而在不同环境下均能保持高效的成像质量，此模块采用对抗训练和自监督损失函数，以确保模型在多样化数据集上的稳定表现。

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上海大学，其通讯地址为：200444 上海市宝山区上大路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”。

以上内容由龙图腾AI智能生成。