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！

龙图腾网获悉宜昌市中心人民医院(三峡大学第一临床医学院、三峡大学附属中心人民医院)申请的专利一种基于PR-GAN的腰椎骨折图像转化方法及系统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：CN120147450B 。

龙图腾网通过国家知识产权局官网在2026-03-06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：202510207141.9，技术领域涉及：G06T12/00；该发明授权一种基于PR-GAN的腰椎骨折图像转化方法及系统是由伍伟飞;蔡松林;伍伟文;王燕飞;张帆;杨宗设计研发完成，并于2025-02-25向国家知识产权局提交的专利申请。

本一种基于PR-GAN的腰椎骨折图像转化方法及系统在说明书摘要公布了：本发明提供了一种基于PR‑GAN的腰椎骨折图像转化方法及系统，首先采集患者腰椎骨折X线图像和腰椎骨折CT图像；然后将采集到的腰椎骨折X线图像和腰椎骨折CT图像进行预处理，构建训练集；接着构建PR‑GAN模型；将训练集输入PR‑GAN模型进行训练；最后将未参与训练的腰椎骨折X线图像输入训练完毕的PR‑GAN模型，通过PR‑GAN模型将未参与训练的腰椎骨折X线图像转化为目标腰椎骨折CT图像；通过PR‑GAN模型结合X线和CT检查优点，不仅提高了影像科的CT成像效率，也能够辅助脊柱外科医生对于腰椎骨折的诊断和治疗选择；通过本发明的支持和应用，便可快速诊断，快速开展治疗，对于提高病人预后和生活质量有着十分重要的积极意义。

本发明授权一种基于PR-GAN的腰椎骨折图像转化方法及系统在权利要求书中公布了：1.一种基于PR-GAN的腰椎骨折图像转化方法，其特征在于：包括以下步骤： S1.采集患者腰椎骨折X线图像和腰椎骨折CT图像； S2.将采集到的腰椎骨折X线图像和腰椎骨折CT图像进行预处理，构建训练集； S3.构建PR-GAN模型；步骤S3包括： S31.构建残差网络，得到PR-GAN模型的目标函数为： ； S32.向PR-GAN模型中引入位置注意力机制，形成位置注意力机制-残差网络模型； S33.对PR-GAN模型进行优化； 步骤S32为：首先提供一个局部的特征映射X，通过卷积层生成三个特征映射：Q，K，V，通过对Q和K进行矩阵乘法，得到相应的注意力分数；然后应用softmax激活函数，计算出相应的空间注意力映射及其相关的权重；最后应用残差组合学习，输出结果乘以可学习参数gamma，使其注意力分数变为0~1，接着再通过与V进行点乘再求和得到输出，再与原始输入特征映射X结合，得到最终的输出特征映射； 步骤S33中，位置注意力机制-残差网络模型添加在判别器的第三和第四下采样层之间，在判别器的卷积层处添加谱归一化； 步骤S33为：首先将待检测的X线图片输入到生成器中，生成器每一层下采样的结构是卷积、IN正则化和LeakyReLU激活函数，在进行下采样之前，先进行图像增强的操作，引入了ReflectionPad2d层，在进行第一次下采样后数据变成64×256×256，第二次下采样后数据变为128×128×128，第三次下采样后数据变为256×64×64，此时到达最底部，在下采样和上采样之间引入9个残差模块加深网络的同时对数据进行增强；然后进行上采样操作，上采样的结构是反卷积、IN标准化、ReLU激活函数去恢复图像的大小，并使用ReflectionPad2d层进行数据增强，第一次上采样接收来自Resnet_block传来的数据，将数据变为256×64×64，第二次上采样将数据变为128×128×128，第三次上采样后数据变为64×256×256；判别器将生成器传来的数据作为输入经过卷积层和LeakyReLU将数据变为64×128×128，通过三次卷积、IN正则化和LeakyReLU激活函数将数据从64×128×128转变为128×64×64再到256×32×32，此时加入PositionalAttentionResnet对图像骨折部位特征进行标记和关注，使其生成符合CT特征的图像，最后到512×31×31，然后通过一个卷积层将数据变为1×30×30； S4.将训练集输入PR-GAN模型进行训练； S5.将未参与训练的腰椎骨折X线图像输入训练完毕的PR-GAN模型，通过PR-GAN模型将未参与训练的腰椎骨折X线图像转化为目标腰椎骨折CT图像。

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宜昌市中心人民医院(三峡大学第一临床医学院、三峡大学附属中心人民医院)，其通讯地址为：443000 湖北省宜昌市夷陵大道183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。