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！

龙图腾网获悉西北工业大学申请的专利一种基于深度学习的工业CT散射和射束硬化耦合伪影抑制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：CN116342725B 。

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：202310179873.2，技术领域涉及：G06T12/30；该发明授权一种基于深度学习的工业CT散射和射束硬化耦合伪影抑制方法是由黄魁东;杨富强;杨瑶设计研发完成，并于2023-02-27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工业CT散射和射束硬化耦合伪影抑制方法在说明书摘要公布了：本发明提供一种基于深度学习的工业CT散射和射束硬化耦合伪影抑制方法，属于工业CT图像处理领域，针对工业CT成像中存在的耦合伪影无法精准分离和校正问题，构建基于真实CT图像伪影特征的射束硬化、散射耦合伪影模型，以耦合模型表征方程建立的模拟图像与实际图像混合构建数据集，通过长短连接、结构双联改进的神经网络完成伪影抑制和图像增强，实现了对多类型耦合伪影和噪声的有效去除，该方法适用于任意复杂结构实际CT图像的耦合伪影抑制，方法的实用性和通用性较好。

本发明授权一种基于深度学习的工业CT散射和射束硬化耦合伪影抑制方法在权利要求书中公布了：1.一种基于深度学习的工业CT散射和射束硬化耦合伪影抑制方法，其特征在于包括以下步骤： 步骤1：对真实含耦合伪影的投影P1图像灰度进行统计，获取散射场分布及射束硬化曲线，得到校正后投影，记为参考投影P2，建立基于投影P1与P2的耦合伪影模型，对该模型进行简化得到耦合伪影模型表征方程； 步骤2：以配对的方式将投影图像P1与P2构建投影数据集CP1，根据数据集CP1映射关系拟合耦合伪影模型表征方程的参数； 步骤3：将投影P1与投影P2分别重建，获取切片图像记为实际耦合伪影图像S1和实际参考图像S2，构建实际切片数据集CS1； 步骤4：通过仿真单能投影P3获得含耦合伪影的仿真投影P4，分别重建得到仿真参考图像S3和仿真耦合伪影图像S4，利用S3和S4构建仿真切片数据集CS2； 步骤5：将数据集CS1和CS2混合，构建混合数据集CS，利用改进后的神经网络进行校正训练； 步骤6：利用训练完的神经网络对含伪影图像进行校正； 在所述步骤1中，建立的耦合伪影模型为其中A、B、C、D、E是参数，P1为耦合伪影投影，P2为参考投影，A、B、C、D、E为模型系数，简化后的耦合伪影模型表征方程为y＝d1·x5+d2·x4+d3·x3+d4·x2+d5·x+d6，其中耦合伪影投影P1用y表示，参考投影P2用x表示，d1、d2、d3、d4、d5、d6为通过对实际投影数据集CP1拟合得到的系数； 在所述步骤5中，改进的神经网络通过将U‑Net++网络的图像通道和数据通道进行串联，同时融合注意力机制和空洞卷积来实现。

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西北工业大学，其通讯地址为：710072 陕西省西安市碑林区友谊西路127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。