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！

龙图腾网获悉南京大学申请的专利一种全身PET与CT图像相互转换的人工智能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：CN119444898B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202411501270.0，技术领域涉及：G06T11/00；该发明授权一种全身PET与CT图像相互转换的人工智能方法是由聂梓伟;徐邦彦;何健;李爱梅;吴婷设计研发完成，并于2024-10-25向国家知识产权局提交的专利申请。

本一种全身PET与CT图像相互转换的人工智能方法在说明书摘要公布了：本发明提出一种一种全身PET与CT图像相互转换的人工智能方法，使用增强型条件生成对抗网络cGAN模型实现了全身CT与PET图像之间的模态转换。该方法结合了残差卷积块和全卷积Transformer块，以提高模型捕捉局部特征和全局上下文信息的能力。本申请设计了一个定制的损失函数，结合结构一致性损失，能够提升生成图像的整体质量。在CT‑PET和PET‑CT两个模态转换任务上进行了大量实验，结果表明，本申请的模型能够生成高质量的图像，在临床相关性和诊断价值方面均接近原始图像。本发明所提出的结合Transformer的cGAN框架能够减少多模态图像检查的需求，从而降低患者的辐射暴露剂量和整体医疗成本，为PET‑CT多模态图像转换的临床应用奠定了坚实的基础。

本发明授权一种全身PET与CT图像相互转换的人工智能方法在权利要求书中公布了：1.一种全身PET与CT图像相互转换的人工智能方法，其特征在于，包括如下步骤： a收集数据：收集全身PET-CT图像数据；将收集到的数据集按照8:1:1的比例随机分为训练集、验证集、测试集；将图像空间分辨率统一预处理为1mm*1mm*1mm，图像的横截面像素数量统一预处理为256*256； b建立模型：基于残差卷积块和Transformer块，在条件生成对抗网络cGAN框架下，构建全身CT与全身PET图像的多模态转换模型，即PET-CT图像双向转换模型； c设计损失函数：在对抗损失，像素损失之外，继续引入结构一致性损失，用于保证生成图像在关键解剖区域的细节表现； d训练模型：采用两阶段训练方法将b中构建的PET-CT图像双向转换模型在训练集上进行训练和优化，并在验证集上进行验证； e训练结束后，将d中所得的PET-CT图像双向转换模型在测试集上进行测试，将得到的生成结果同其他模型进行比较，分析生成的PET与CT图像的临床实用性； 所述PET-CT图像双向转换模型由基于残差卷积块和Transformer块的生成器和一个判别器组成；其中，生成器由编码器和解码器组成；编码器部分由下采样特征提取模块和瓶颈模块两部分组成，下采样模块由三层卷积残差块组成，每一层通过两次卷积操作提取图像的特征，同时每次下采样时将图像尺寸减半并增加通道数，以更好地捕捉图像的多尺度特征；瓶颈模块使用了九个FCTR块，每个FCTR块包含一个全局聚焦模块、一个卷积注意力模块和一个残差块，通过这些模块能够捕捉多尺度的特征信息，同时提取局部细节和全局上下文信息；解码器部分首先采用两个反卷积层，每一层将输入特征图的尺寸扩大一倍，同时减少通道数，恢复到接近原始源图像的大小，然后利用1×1卷积层接一个双曲正切激活函数，输出最终的生成图像；判别器的输出是一个二维矩阵，每个值对应于输入图像中70×70局部区域的真伪评分，从而更精准地评估生成图像中各个局部解剖区域的生成效果； 损失函数分为对抗损失、像素损失和结构一致性损失，通过计算生成图像与目标图像整体的相似程度、在像素级别的差异，以及在关键解剖区域中的结构一致性，确保生成图像的质量和准确性；结构一致性损失设计为： ； 其中，和分别代表源图像和生成图像的结构相似性SC图；SC图是在特征图级别使用VGG16模型从源图像和生成图像中提取特征来计算的；SC图捕获了查询点i和以它为中心的图像块中其他所有点γ之间的相关性；给定一个大小为N=H×W的二维图像块，x相对于查询点i的SC映射定义为： ； 其中为VGG16模型提取的C通道特征图；使用余弦损失来衡量源图像和生成图像在空间上的相似性，并通过对比学习来捕捉并保留CT与PET图像之间的局部和全局结构信息。

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南京大学，其通讯地址为：210000 江苏省南京市栖霞区仙林大道163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。