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！

龙图腾网获悉长春人文学院申请的专利基于残差混合自注意力的傅里叶叠层显微成像重建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：CN120746838B 。

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：202511241390.6，技术领域涉及：G06T3/4053；该发明授权基于残差混合自注意力的傅里叶叠层显微成像重建方法是由郝璟孜;宋璐;潘冬;丁浩;徐婷;许博涵;闫腾月设计研发完成，并于2025-09-02向国家知识产权局提交的专利申请。

本基于残差混合自注意力的傅里叶叠层显微成像重建方法在说明书摘要公布了：本发明适用于显微成像技术领域，提供了基于残差混合自注意力的傅里叶叠层显微成像重建方法，首先准备数据集；接着构建基于残差混合自注意力的傅里叶叠层显微成像重建网络模型，其包含浅层特征提取、深层特征提取和图像重建三部分，用结构相似性与均方误差结合的损失函数及优化器训练；最后用测试集和真实采集图像验证模型性能与实际数据处理能力。本发明无需进行冗长迭代且重建所消耗时间短，有利于快速细胞检测领域的实际应用；通过创新的双分支融合设计与混合损失函数训练，提升重建图像视觉质量；双分支融合设计协同全局残差连接、多输入特征，高效恢复幅度与相位图像的丢失信息、去除冗余，精准实现低转高分辨率振幅和相位的重建。

本发明授权基于残差混合自注意力的傅里叶叠层显微成像重建方法在权利要求书中公布了：1.基于残差混合自注意力的傅里叶叠层显微成像重建方法，其特征在于，包括以下步骤： 数据集准备：通过傅里叶叠层显微成像系统采集高分辨率图像，并进行随机裁剪生成幅度和相位图像，以其中高分辨率图像作为真值；合成复振幅数据后经傅里叶叠层显微成像系统的成像模型进行仿真，添加高斯噪声生成低分辨率数据，再通过傅里叶叠层显微成像单次迭代重建算法得到对应的低分辨率输入数据，将数据划分为训练集和测试集；额外结合真实数据图像与实验数据进行训练，并采用真实采集图像作为测试图像； 网络模型构建与训练：构建基于残差混合自注意力的傅里叶叠层显微成像重建网络模型，模型包括浅层特征提取、深层特征提取和图像重建三部分；其中：浅层特征提取使用卷积层将输入从低维空间映射到高维空间；深层特征提取由残差混合自注意组构成，每个残差混合自注意组包含残差混合自注意力模块和卷积层，残差混合自注意力模块并行集成混合注意力分支与标准Transformer窗口自注意力分支；图像重建通过上采样运算和卷积操作输出高分辨率图像；训练模型过程中使用结合结构相似性损失和均方误差损失的损失函数，并通过优化器动态调整学习率； 重建结果验证：使用测试集数据验证模型性能，并通过真实采集图像测试模型的实际数据处理能力； 所述标准Transformer窗口自注意力分支采用基于窗口的多头自注意力机制；连续两个卷积层间插入压缩率以压缩通道数，当输入特征图包含C个通道时，第一个卷积层将输出通道数压缩至，第二个卷积层恢复通道数至C； 所述残差混合自注意力模块的输出由混合注意力分支的输出与标准Transformer窗口自注意力分支的输出相加，并与残差混合自注意力模块的输入特征通过全局残差连接融合，具体表示为： ； 其中，RHAB为残差混合自注意力模块的最终输出特征；x为浅层特征提取后的特征上一个残差混合自注意力模块的输出特征；HABx为混合注意力分支的输出结果；W-MSAx为标准Transformer窗口自注意力分支的输出结果。

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长春人文学院，其通讯地址为：130117 吉林省长春市净月开发区博硕路1488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。