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！

龙图腾网获悉北京芯联心科技发展有限公司申请的专利医学图像质量评价方法及装置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：CN115272213B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202210859099.5，技术领域涉及：G06T7/00；该发明授权医学图像质量评价方法及装置是由于涵宇;吴广强;杨钰群;马骏;杨涛;杨雅慧设计研发完成，并于2022-07-21向国家知识产权局提交的专利申请。

本医学图像质量评价方法及装置在说明书摘要公布了：本发明涉及一种医学图像质量评价方法及装置，包括通过预设的医学图像质量评价数据集获取样本集合，将样本集合划分为训练样本集和测试样本集；将训练样本集输入预构建的初始医学图像质量评价网络模型中，根据预设损失函数对初始医学图像质量评价网络模型进行迭代训练，得到目标医学图像质量评价网络模型；将测试样本集输入目标医学图像质量评价网络模型，得到医学图像质量评价结果。本发明采用医学图像的训练样本集对初始医学图像质量评价网络模型进行训练，采用训练后得到的目标医学图像质量评价网络模型对医学图像进行评价，能够真实反应图像的视觉感知质量，更加符合人类视觉系统特性的医学图像质量评价。

本发明授权医学图像质量评价方法及装置在权利要求书中公布了：1.一种医学图像质量评价方法，其特征在于，包括： 将医学图像质量评价数据集中具有预设维度的待测图像、每幅待测图像的参考图像以及所述待测图像的主观质量评级标签组成样本集合，将所述样本集合划分为训练样本集和测试样本集； 将训练样本集输入预构建的初始医学图像质量评价网络模型中，根据预设损失函数L对所述初始医学图像质量评价网络模型进行迭代训练，得到目标医学图像质量评价网络模型； 将所述测试样本集输入所述目标医学图像质量评价网络模型，得到医学图像质量评价结果； 所述初始医学图像质量评价网络模型，包括： 特征提取子网络、特征提取子网络、多尺度视觉感知特征提取子网络和质量评级预测子网络；所述特征提取子网络和所述特征提取子网络并行连接后通过特征相减操作依次连接多尺度视觉感知特征提取子网络和质量评级预测子网络； 其中，所述尺度视觉感知特征提取子网络包括并行排布的局部信息关联模块和全局信息关联模块及顺次连接的特征拼接层；其中，所述局部信息关联模块包括全局池化层、归一化层和局部单元，所述全局信息关联模块包括归一化层和非局部单元，所述局部单元和所述非局部单元中均包括多个卷积层； 所述质量评级预测子网络包括全局池化层和多个全连接层； 所述根据预设损失函数对所述初始医学图像质量评价网络模型进行迭代训练，包括： 预设初始化迭代次数和最大迭代次数；其中，，当前初始医学图像质量评价网络模型，的权值参数为，令、； 将从训练样本集中无放回地随机选取的多个训练样本作为当前初始医学图像质量评价网络模型的输入，所述特征提取子网络提取每个训练样本中待测图像的特征，所述特征提取子网络提取每个训练样本中待测图像的参考图像的特征，所述多尺度视觉感知特征提取子网络求取待测图像的特征与每个训练样本中参考图像的特征的差值，得到感知误差特征，对所述感知误差特征经过局部和全局特处理得到多尺度视觉感知特征，将所述多尺度视觉感知特征输入至所述质量评级预测子网络，获得待测图像质量评级； 通过损失函数计算每个训练样本对应的预测质量评级与所述训练样本对应的主观质量评级标签的误差作为当前初始医学图像质量评价网络模型的损失值，然后通过所述损失值计算对所述损失值的权值参数的偏导数，再采用随机梯度下降法，通过偏导数对的权值参数进行更新； 判断是否成立，若是，得到目标医学图像质量评价网络模型，否则，令，重新执行训练步骤； 所述对所述感知误差特征经过局部和全局特处理得到多尺度视觉感知特征，包括： 全局信息关联模块对所述感知误差特征沿第三通道维度逐像素采样，得到多个特征向量，并将所有特征向量拼接为非局部特征；局部信息关联模块对所述感知误差特征全局池化，得到多个特征向量，并将所有特征向量拼接为局部特征； 全局信息关联模块中归一化层对非局部特征进行归一化，得到归一化后的非局部特征；局部信息关联模块中归一化层对局部特征进行归一化，得到归一化后的非局部特征； 全局信息关联模块中非局部单元对归一化后的非局部特征沿所述特征提取子网络D的第三维度进行扩展，得到非局部扩展特征，并沿第三维度对进行分解，得到的三个大小相同的权重矩阵、、，然后对、、分别进行卷积运算，再通过、的卷积结果、计算非局部权重矩阵，最后通过所述非局部权重矩阵对非局部特征进行加权，得到全局感知特征； 局部信息关联模块中非局部单元对归一化后的非局部特征沿所述特征提取子网络D的第三维度进行扩展，得到非局部扩展特征，并沿第三维度对进行分解，得到的三个大小相同的权重矩阵、、，然后对、、分别进行卷积运算，再通过、的卷积结果、计算非局部权重矩阵，最后通过对非局部特征进行加权，得到局部感知特征； 特征拼接层对全局感知特征、感知误差特征和局部质量感知特征沿第三维度拼接，得到多尺度视觉感知特征。

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北京芯联心科技发展有限公司，其通讯地址为：100089 北京市海淀区中关村大街18号12层1211-55；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。