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！

龙图腾网获悉大连理工大学;北京师范大学申请的专利一种使用生成对抗网络的新型fMRI站点噪声自动校正算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：CN116342400B 。

龙图腾网通过国家知识产权局官网在2026-02-17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：202211093510.9，技术领域涉及：G06T5/70；该发明授权一种使用生成对抗网络的新型fMRI站点噪声自动校正算法是由李焕杰;闫琛伟;夏明睿;丛丰裕设计研发完成，并于2022-09-08向国家知识产权局提交的专利申请。

本一种使用生成对抗网络的新型fMRI站点噪声自动校正算法在说明书摘要公布了：本发明属于医学图像处理与人工智能交叉学科领域，提出一种使用生成对抗网络的新型fMRI站点噪声自动校正算法，包括特征生成器、站点噪声特征生成器、特征融合生成器和鉴别器；和传统的Fader网络相比，加入了站点标签自动编码模块，可以将数据的站点标签自动投影编码为图像，并且从原始图像中分离，从而实现fMRI数据的多中心效应自动校正，避免了人为的站点噪声编码假设，可以更加准确的识别与消除多中心效应。

本发明授权一种使用生成对抗网络的新型fMRI站点噪声自动校正算法在权利要求书中公布了：1.一种使用生成对抗网络的新型fMRI站点噪声自动校正算法，其特征在于，新型fMRI站点噪声自动校正算法包括三个生成器和一个鉴别器Dsite，三个生成器分别为特征生成器G1、站点噪声特征生成器G2、特征融合生成器G3；生成器与鉴别器主要由U模块、D模块以及R模块共同搭建构成；U模块包括3D反卷积层、实例归一化层和LeakyReLu激活函数，其负责对图像进行维度扩增；D模块包括3D卷积层、实例归一化层和LeakyReLu激活函数，其负责对图像进行降维，不损失信息量的前提下，提取更深层次的特征；R模块采用残差网络的架构，其包括3D卷积层、实例归一化层和LeakReLu激活函数，均设置双层；特征生成器G1包括4个依次串联的D模块和1个R模块；站点噪声特征生成器G2包括2个D模块和2个R模块，D模块和R模块交替连接；特征融合生成器G3包括1个D模块、4个R模块、3个U模块、1个3D卷积层和1个tanh层，其中R模块和U模块交替连接；鉴别器Dsite包括4组交替相连的D模块和R模块组、1个平均池化层和1个全连接层； 包括步骤如下： 步骤一：将原始fMRI图像数据按照时间维度进行切片，将切片后的图像数据进行随机打乱，送入特征生成器G1生成不具有站点特征信息的特征其中，x是原始fMRI图像数据的某一帧空间图像，是由特征生成器G1输出的结果； 步骤二：将切片后的图像数据所对应的站点标签编号送入站点噪声自动编码模块生成最终站点标签；站点噪声自动编码模块包括全连接层组成的维度映射模块和站点噪声特征生成模块G2，最终站点标签被映射为所对应站点的站点噪声图像特征其中，表示站点标签经过全连接层后输出的结果，y表示站点标签，W1与b1表示第一层全连接层的权重和偏置，W2与b2表示第二层的全连接层的权重和偏置，n表示站点数量，z表示fMRI图像数据空间维度的各维度乘积； LeakyReLu表示激活函数，该激活函数x负半轴的斜率为‑0.2；经过全连接层投影映射后，将输出结果经过维度变换后送入站点噪声特征生成模块G2部分生成步骤三：将特征生成器G1与站点噪声自动编码模块输出的结果拼接送入特征融合生成器G3生成重建后的原始fMRI图像其中，表示与进行融合重建后的数据；以及分别表示生成器G1、G2以及G3的模型参数；m表示样本个数，S表示样本数据的原始特征空间。

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大连理工大学;北京师范大学，其通讯地址为：116024 辽宁省大连市甘井子区凌工路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。