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！

龙图腾网获悉西南医科大学附属中医医院;成都市温江区人民医院申请的专利一种基于持续学习的无监督超声图像转换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：CN121330123B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202511881809.4，技术领域涉及：G06T12/00；该发明授权一种基于持续学习的无监督超声图像转换方法是由周秘;彭博;王俞松;王柄华;索朗拉姆设计研发完成，并于2025-12-15向国家知识产权局提交的专利申请。

本一种基于持续学习的无监督超声图像转换方法在说明书摘要公布了：本发明公开了一种基于持续学习的无监督超声图像转换方法，涉及计算机视觉超声图像技术领域，所述方法包括：以CycleGAN框架为基础，引入双分支残差模块，通过内容分支与风格分支的显式解耦，实现输入医学图像的结构信息与超声散斑纹理的分别建模，结合LoRA微调机制，仅通过在内容分支中新增少量低秩可训练参数即可实现新任务学习，设计的动态LoRA适配器能够根据任务特征自动选择最优参数配置，实现不同模态到超声图像的自适应转换。本申请在无配对数据和无需重新训练整个模型的条件下，可实现多任务的持续学习，有效缓解灾难性遗忘问题。生成的图像与现有技术相比，纹理真实性、结构一致性及参数效率等方面均取得显著提升，具有较高的灵活性和实用价值。

本发明授权一种基于持续学习的无监督超声图像转换方法在权利要求书中公布了：1.一种基于持续学习的无监督超声图像转换方法，其特征在于，包括以下步骤： S1、构建原始图像域和超声图像域，定义第一映射和第二映射，所述第一映射为原始图像域到超声图像域，第二映射为超声图像域到原始图像域； S2、基于CycleGAN框架，创建生成器、还原器和判别器，所述生成器用于将原始图像转换为超声图像，所述还原器用于从超声图像重建原始图像； S3、在生成器与还原器的中间特征提取层中设置双分支残差模块，基于内容分支与风格分支的显式解耦，分别对输入特征图的结构特征与纹理特征建模； S4、对于初始任务，对生成器进行训练，用于获取初始基础参数模型；对于后续任务，加载初始基础参数模型的预训练参数并冻结其主干权重，在双分支残差模块的内容分支处，增加可训练的卷积低秩适配层，用于实现参数微调； S5、利用CycleGAN框架的对抗损失、Identity损失和循环一致性损失，对生成器和判别器进行优化； S6、将训练数据集输入到动态LoRA适配器中，计算其各个任务所对应的归一化协方差矩阵和特征原型并进行保存； S7、测试阶段中，将测试图像输入到动态LoRA适配器中，计算其与各个任务所对应的归一化协方差矩阵和特征原型的相关性，确定最匹配的任务编号，并加载对应的Conv-LoRA层参数到优化后的生成器中； S8、输入测试图像到优化后的生成器中，得到转换后的超声图像。

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西南医科大学附属中医医院;成都市温江区人民医院，其通讯地址为：646000 四川省泸州市龙马潭区春晖路182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。