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！

龙图腾网获悉太原理工大学;山西省信息产业技术研究院有限公司申请的专利基于可学习投影算子和迭代优化框架的图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：CN120823279B 。

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：202510986094.2，技术领域涉及：G06T11/00；该发明授权基于可学习投影算子和迭代优化框架的图像重建方法是由史磊;成煜斌;强彦;刘宁;赵涓涓设计研发完成，并于2025-07-17向国家知识产权局提交的专利申请。

本基于可学习投影算子和迭代优化框架的图像重建方法在说明书摘要公布了：本发明提供了一种基于可学习投影算子和迭代优化框架的图像重建方法，属于医学成像技术领域。该方法包括获取稀疏投影数据，利用投影域子网络恢复处理后的数据，并通过域间数据转换算子将投影数据转换为图像域数据。随后，图像域子网络对图像域数据进行优化处理，再将优化后的数据转换回投影域，进行迭代直至满足收敛条件。本发明还包括一致性约束框架，以联合优化两个子网络模块。此外，域间数据转换算子模块包含位置参数可学习和反向线积分计算模块，以实现高效的数据域转换。本发明通过采用上述一种基于可学习投影算子和迭代优化框架的图像重建方法，该方法能够在减少辐射剂量的同时，提供高质量的CT图像。

本发明授权基于可学习投影算子和迭代优化框架的图像重建方法在权利要求书中公布了：1.一种基于可学习投影算子和迭代优化框架的图像重建方法，其特征在于，包括以下步骤： 步骤S1、获取稀疏投影采样数据； 步骤S2、利用投影域子网络模块对稀疏投影采样数据进行恢复处理，得到恢复后的投影数据； 步骤S3、通过域间数据转换算子模块将恢复后的投影数据转换为图像域数据； 步骤S4、利用图像域子网络模块对图像域数据进行优化处理，得到优化后的图像域数据； 步骤S5、通过域间数据转换算子模块将优化后的图像域数据转换为投影数据，作为下一轮迭代的输入； 步骤S6、重复步骤S2至步骤S5，直至达到预设的迭代次数或满足收敛条件，输出最终重建的图像； 域间数据转换算子模块包含一个位置参数可学习和一个反向线积分计算模块； 域间数据转换算子模块的工作流程如下： 将扇形光束数据转换为平行光束数据，通过将所有扇形束射线分组，将互相平行的射线分在一组； 通过Radon线积分变换实现数据转换，其表达式为： ； 其中，表示CT设备中射线源和探测器之间假想的放射直线路径；表示射线源和探测器间距离；表示放射源在进行断层轴扫时相对于起点所处角度构成的集合；表示射线在穿过待测组织时断层上处于位置上的衰减系数；表示射线衰减后的放射强度，被探测器捕获； 在进行数据转换时，假设放射源在轴扫中的旋转中心为原点，方程为一次线性方程，远离原点的方向为，假设原点和的距离为，则的的理论表达式如下： ； 其中，表示角度方向，且，表示方向上的每个点放射源，在和二重积分理论下下重新定义变换理论和进一步推导如公式： ； ； 其中，表示角度方向下、距离为处的像素点的像素值，表示狄拉克函数，用于筛选特定点； 在平行束重建时，假设探测器匀速地绕物体转动，进行平行光束到扇形光束的策略转换，每一条扇形束的射线都对应一条平行光束的射线； 当满足Radon线积分变换时，平行光束和扇形光束等同，其表达式为： ； 其中，和表示平行光束的两个角度方向，表示平行光束探测器距离待测物体的距离，表示扇形光束探测器距离待测物体的距离； 使用多个数据对训练一个高效的算子模型，以实现深度学习对Radon变换过程的参数和权重的拟合，获得准确的前反向投影算子： ； 。

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太原理工大学;山西省信息产业技术研究院有限公司，其通讯地址为：030024 山西省太原市迎泽西大街79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。