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！

龙图腾网获悉武汉大学申请的专利基于语义先验知识指导的低剂量CT成像方法及设备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：CN119919519B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202411990690.X，技术领域涉及：G06T11/00；该发明授权基于语义先验知识指导的低剂量CT成像方法及设备是由胡楚笛;陈刚;朱奕锟;韦美伊;金明;王颖鹏;沈家强设计研发完成，并于2024-12-31向国家知识产权局提交的专利申请。

本基于语义先验知识指导的低剂量CT成像方法及设备在说明书摘要公布了：本发明公开了一种基于语义先验知识指导的低剂量CT成像方法及设备。针对低剂量CT成像中图像过度平滑、细节丢失等问题，本发明利用不同解剖结构如骨骼、软组织、气体区域等在噪声水平上的显著差异，通过预训练的视觉模型提取语义先验信息，以有效区分不同组织类型并捕捉特定区域的噪声模式。同时，提出语义感知模块，将降噪网络关注的细节特征与语义网络捕捉的高层次解剖语义特征进行对齐与融合，确保在去噪过程中更精准地感知解剖结构。进一步地，本发明在降噪网络后引入分割网络，采用多任务学习策略，实现降噪与语义分割的联合优化。这种设计不仅提升了图像的去噪性能，有效保留了关键的解剖细节，还为临床诊断提供更为清晰的图像支持。

本发明授权基于语义先验知识指导的低剂量CT成像方法及设备在权利要求书中公布了：1.一种基于语义先验知识指导的低剂量CT成像方法，其特征在于，包括以下步骤： 利用大模型获取低剂量CT图像的语义特征，作为解剖结构的先验知识； 设计联合网络结构，包括去噪网络和语义分割网络，所述去噪网络用于减少CT图像中的噪声，所述语义分割网络利用提取的语义特征进行解剖结构的识别；所述去噪网络依次包括浅层特征提取层、深层特征提取层、输出层； 去噪过程采用均方误差作为损失，分割过程采用Dice系数和交叉熵作为损失； 其中，去噪过程具体如下： 浅层特征提取表示为： 其中conv表示卷积层，X表示低剂量CT图像， 语义特征首先通过自注意力模块作为交叉注意力模块的查询键，公式表示为： 其中LN、GN、SA、表示层归一化、组归一化、自注意力模块和语义特征，然后低剂量CT特征经过卷积作为和值，最后将通过交叉注意力变换后的语义特征和原始特征拼接作为最后的特征： 其中和分别表示融合语义特征后的图像特征和上一层的输出，和分别表示尺度因子和高斯误差线性单位，concat表示连接操作； 语义特征表示为： 其中表示由预训练的视觉模型对NDCT提取的语义标签， 输出层表示为： 其中和分别表示降噪的低剂量CT和深层网络特征提取层的输出，采用跳跃连接加速网络的学习过程； 利用上述损失，采用交替优化的方法训练降噪网络和分割网络； 将训练好的联合网络结构用于低剂量CT成像。

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武汉大学，其通讯地址为：430072 湖北省武汉市武昌区八一路299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。