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！

龙图腾网获悉重庆医科大学申请的专利一种基于深度学习的定量光声图像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：CN120070412B 。

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：202510283971.X，技术领域涉及：G06T7/00；该发明授权一种基于深度学习的定量光声图像方法及系统是由刘秋萍;单天琪;赵渊设计研发完成，并于2025-03-11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定量光声图像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定量光声图像方法及系统，通过构建Transformer模块，该模型结合Transformer和U‑Net的优势，通过深度学习方法提升了对全局信息的建模能力。克服了现有深度学习技术在多波长数据处理时未能充分捕捉不同波长间的关联性，导致血氧饱和度的定量精度受限的问题，同时，该方法还解决了深度学习模型在跨数据域如仿真与实验数据时的泛化能力不足问题，提高了模型对实际临床应用的适应性。通过全面优化光声成像定量化过程，实现了对血氧饱和度更高精度、更高鲁棒性和更广泛适用性的重建。

本发明授权一种基于深度学习的定量光声图像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定量光声图像方法，其特征在于：包括以下步骤： S1.光声数据准备，获取仿真数据与实验数据，所述光声数据包括不同波长的光声图像数据； S2.模型训练集和测试集划分，将数据集划分训练数据集、验证数据集、测试数据集； S3.构建神经网络模型，所述神经网络模型采用TransUNet模型，在U-Net网络结构中加入Transformer模块，通过所述Transformer模块捕捉数据集中数据长距离依赖关系； S4.模型训练，使用训练集训练TransUNet模型；优化模型超参数； S5.模型验证与评估，使用测试集进行模型验证，计算模型性能指标； S6.通过训练好的TransUNet模型完成图像处理，输入光声图像进行吸收系数估计，输出处理后的图像或吸收系数分布图； 所述TransUNet模型包括输入模块、编码器模块、Transformer模块、解码器模块和输出模块； 所述多通道输入模块，用于将不同波长的光声图像数据按照不同通道的方式输入； 所述编码器模块，包括多个串联的卷积块，用于提取输入数据的局部特征；所述卷积块包括多个卷积层、批量归一化层、激活函数和最大池化层；通过每个卷积块逐步下采样并提取特征； 所述Transformer模块，用于捕捉全局依赖关系和不同波长之间的关联性； 所述解码器模块，用于逐步恢复特征图的分辨率，并融合低级和高级特征；得到表示吸收系数和血氧饱和度的二维分布图； 所述输出模块，用于输出重建后的定量光声图像，包括吸收系数和血氧饱和度的分布图。

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重庆医科大学，其通讯地址为：400016 重庆市渝中区医学院路1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。