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！

龙图腾网获悉中国科学院合肥物质科学研究院申请的专利一种基于流形聚类和加权稀疏的呼吸运动补偿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：CN116128927B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202310135072.6，技术领域涉及：G06T7/246；该发明授权一种基于流形聚类和加权稀疏的呼吸运动补偿方法是由李海;王腾飞;王宏志;江海河设计研发完成，并于2023-02-09向国家知识产权局提交的专利申请。

本一种基于流形聚类和加权稀疏的呼吸运动补偿方法在说明书摘要公布了：本发明提出一种基于流形聚类和加权稀疏的呼吸运动补偿方法，包括以下步骤：采集群体数据集的4D‑CT图像及个体受试者呼气‑吸气两个相位的3D‑CT图像；通过图像配准获取群体数据集和个体受试者的变形向量场运动特征；基于流形聚类获得与个体受试者运动特征相似的亚群体数据集；采用加权稀疏法建立个体与亚群体运动特征之间的量化关系，构建个体4D‑CT图像；获取个体受试者的内部变形向量场和外部皮肤表面运动，构建个体化的呼吸运动补偿模型，以实现实时预测肺部图像。本发明在保证对肺部运动进行精确预测的同时，减少了受试者的辐射损伤，有望突破现有呼吸运动补偿方法的局限性，可以对全肺进行实时影像预测，减小呼吸运动对肺组织的影响。

本发明授权一种基于流形聚类和加权稀疏的呼吸运动补偿方法在权利要求书中公布了：1.一种基于流形聚类和加权稀疏的呼吸运动补偿方法，其特征在于，所述方法包括： 步骤1：获取N个受试者所在的群体数据集的4D-CT图像Pi,i=1...N,其中每个4D-CT图像包含M个呼吸相位的3D-CT图，以及个体受试者Ts呼气相位EE和吸气相位EI两个相位的3D-CT图像； 步骤2：对所述步骤1中得到的4D-CT图像配准到标准模板空间，获得群体变形向量场数据集和个体受试者呼气-吸气相位对应的内部变形向量场，所述标准模板空间为每个受试者的呼气相位EE图像； 步骤3：对所述步骤2中得到的群体变形向量场数据集进行流形聚类，得到一个与个体受试者具有相似呼吸运动特征的亚群体变形向量场数据集；包括： 3a采用个体受试者Ts呼气-吸气相位对应的变形向量场作为呼吸运动特征，同时在群体变形向量场数据集中选取对应相位的运动特征； 3b通过稀疏优化，将变形向量场从高维数据转换为低维数据，得到稀疏向量的最优解；在此基础上，从稀疏向量中计算加权向量，表示个体受试者到群体数据集运动特征的差异值，进一步生成相似矩阵； 3c对相似矩阵进行基于k均值的谱聚类，从而得到一个与个体受试者具有相似呼吸运动特征的亚群体数据集； 步骤4：采用加权稀疏法研究亚群体与个体受试者变形向量场运动特征之间的关联，将步骤3得到的具有相似呼吸运动特征的亚群体运动特征融合到个体受试者中，从而构建个体受试者整个呼吸周期的4D-CT序列图像I1,I2,...,IM；包括： 4a将个体受试者的变形向量场描述为亚群体数据集对应的变形向量场与加权稀疏系数的组合； 4b使用获得的最优的加权稀疏系数，描述对应于个体受试者的其它呼吸相位的中间变形向量场，所述其它呼吸相位为除去呼气和吸气相位的相位； 4c根据个体受试者呼气相位和M-1个中间变形向量场计算个体受试者的4D-CT序列图像I1,I2,...,IM； 步骤5：对所述步骤4中获取的个体受试者的4D-CT序列图像进行处理，提取个体受试者整个呼吸周期的内部变形向量场和皮肤表面运动，建立二者之间的量化关系，构建个体化的呼吸运动补偿模型，从而实时预测肺部图像，包括步骤： 5a从个体受试者的4D-CT序列图像中提取整个呼吸周期的肺部变形向量场和皮肤表面运动； 5b使用深度学习研究个体受试者的皮肤表面运动和变形向量场之间的关联，建立二者之间的量化关系，构建个体化的呼吸运动补偿模型。

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中国科学院合肥物质科学研究院，其通讯地址为：230031 安徽省合肥市蜀山湖路350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。