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！

龙图腾网获悉西安电子科技大学申请的专利前向模型约束的神经网络磁粒子成像重建方法和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：CN115541693B 。

龙图腾网通过国家知识产权局官网在2026-03-20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：202211002854.4，技术领域涉及：G01N27/72；该发明授权前向模型约束的神经网络磁粒子成像重建方法和系统是由陈雪利;任胜寒;黄鹏飞;陈多芳;谢晖;朱守平设计研发完成，并于2022-08-19向国家知识产权局提交的专利申请。

本前向模型约束的神经网络磁粒子成像重建方法和系统在说明书摘要公布了：本发明公开的前向模型约束的神经网络磁粒子成像重建方法，通过校准获得系统矩阵，测量样品产生的电压数据；将采集到的数据进行傅里叶变换转化到频率域，使用信噪比阈值对数据的频率特征进行筛选；使用Pytorch重建网络，实现由一维电压数据到多维磁粒子浓度分布的映射；使用系统矩阵作为磁粒子成像的前向模型，用重建后的磁粒子浓度分布生成电压仿真数据，计算电压仿真数据与输入电压数据之间的差异作为损失函数对网络参数进行更新；在损失函数中添加正则化项，并调整训练参数和正则化参数取得最优的重建效果。本发明使用前向模型约束的神经网络进行磁粒子成像重建，通过在网络的损失函数中添加全变分正则化项，进一步提高重建效果。

本发明授权前向模型约束的神经网络磁粒子成像重建方法和系统在权利要求书中公布了：1.前向模型约束的神经网络磁粒子成像重建方法，其特征在于，具体操作步骤如下： 步骤1：获取磁粒子成像的测量数据与校准获得的系统矩阵数据，经过傅里叶变换获得频域数据，并使用信噪比阈值进行频率特征的筛选； 步骤2：使用Pytorch实现重建网络，实现由一维电压数据到多维磁粒子浓度分布的映射； 步骤2使用Pytorch实现重建网络框架包括： 使用Pytorch实现重建网络，整个重建网络由一个DCGAN生成器的架构构成，在网络中使用了五层复数反卷积网络来实现一维的电压频域数据到多维磁粒子浓度分布的映射，在前四层的反卷积网络之后分别添加复数批量标准化层和复数ReLU激活层； 步骤3：使用系统矩阵作为磁粒子成像的前向模型，用重建后的多维磁粒子浓度分布生成电压仿真数据； 步骤4：使用电压仿真数据与输入电压数据之间的差异作为损失函数并添加浓度的全变分范数，对网络参数进行更新；具体如下： 步骤4.1：在损失函数中添加全变分正则化项； 步骤4.2：将测量获得的电压仿真数据和系统矩阵数据输入网络，并使用Adam优化算法进行参数更新； 步骤4.3：调整正则化参数，获得最优的重建效果。

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安电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路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。