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！

龙图腾网获悉重庆邮电大学申请的专利一种基于深度学习的超声波医学图像增强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：CN119599894B 。

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：202411750528.0，技术领域涉及：G06T5/60；该发明授权一种基于深度学习的超声波医学图像增强方法是由刘乔寿;刘爽;杨振巍设计研发完成，并于2024-12-02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超声波医学图像增强方法在说明书摘要公布了：本发明属于图像处理技术领域，具体涉及一种基于深度学习的超声波医学图像增强方法，包括：建立超声波医学图像增强模型，对超声波医学图像增强模型进行训练，通过训练完成后的超声波医学图像增强模型进行图像增强；本发明能够有效地改善超声图像的视觉效果，保留图像中的关键细节，不仅提高了超声医学图像增强的效果，也保证了医学图像轮廓的完整性和结构的清晰性；通过端到端的训练和优化，本发明能够自动学习到从超声医学图像中增强视觉效果的最佳策略，无需人工干预，提高了操作的便捷性和实用性。

本发明授权一种基于深度学习的超声波医学图像增强方法在权利要求书中公布了：1.一种基于深度学习的超声波医学图像增强方法，其特征在于，包括： 建立超声波医学图像增强模型，对超声波医学图像增强模型进行训练，通过训练完成后的超声波医学图像增强模型进行图像增强； 所述模型包括上下两条分支，上分支路径由初步特征提取模块、三个深度特征提取模块和多尺度信息融合模块以及自适应区域化注意力机制ARAM模块组成；下分支高频分量处理模块组成； 所述对超声波医学图像增强模型进行训练，包括： S1：超声波医学图像经过上分支的模块依次进行处理； 所述初步特征提取模块获取基础特征，为后续模块提供初始信息输入； 所述三个深度特征提取模块分别在基础特征上进一步细化特征，得到不同尺度的特征，以增强复杂结构和细节的表达； 所述多尺度信息融合模块将不同尺度的特征进行整合，以确保优化后的图像兼具清晰细节与完整结构； 联合区域通道注意力和空间维度自适应聚合，设计自适应区域化注意力机制ARAM，逐步过滤并强化重要信息； 所述自适应区域化注意力机制ARAM联合区域通道注意力和空间维度自适应聚合，逐步过滤并强化重要信息，包括： 区域通道注意力：将图像特征划分为若干区域，在通道维度上应用区域化注意力，以识别各区域内最具辨别力的通道特征，区域通道注意力通过平均池化和最大池化分别提取每个区域的全局特征，以获取不同区域在通道上的重要性，池化后的特征通过多个卷积层进行处理，生成每个通道在各区域的权重向量； 空间维度自适应聚合：在空间维度上，通过自适应聚合策略生成不同区域的重要性映射：计算不同区域的特征图，并应用自适应权重进行聚合，从而得到一个二维特征映射，该特征映射随后经过卷积和非线性激活函数处理，生成空间注意力图，实现对不同区域的空间信息更加敏感，从而强化关键区域的特征表达； S2：下分支中，超声波医学图像通过高频分量处理模块，处理医学图像高频分量，使增强图像在轮廓上更完整，在结构上更清晰； 下分支中，超声波医学图像通过高频分量处理模块，处理医学图像高频分量，使增强图像在轮廓上更完整，在结构上更清晰，包括： 对输入图像进行傅里叶变换，得到频域图像；创建高斯高通滤波器，并对频域图像应用高斯高通滤波器，并进行逆傅里叶变换，将滤波后的频域图像转换回空间域；再经过两个卷积层提取图像的高频信息； S3：上下分支的输出通过一个卷积层进行图像融合重建，得到增强图像； S4：设计纹理梯度损失，通过计算增强图像和目标图像在梯度特征空间内的梯度差异来设计损失函数，从而在优化过程中保持图像纹理和边缘特征的清晰性与连贯性； S5：引入多级特征映射，通过一个具有层次化特征提取能力的卷积网络模型，对图像的多层次结构特征进行提取和分析，从而在多层特征空间上计算感知损失。

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邮电大学，其通讯地址为：400065 重庆市南岸区南山街道崇文路2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。