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！

龙图腾网获悉南京邮电大学申请的专利一种基于多任务对抗学习的时序脑图像校准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：CN121120732B 。

龙图腾网通过国家知识产权局官网在2026-05-05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：202511166510.0，技术领域涉及：G06T7/38；该发明授权一种基于多任务对抗学习的时序脑图像校准方法是由汪美玲;刘青山设计研发完成，并于2025-08-20向国家知识产权局提交的专利申请。

本一种基于多任务对抗学习的时序脑图像校准方法在说明书摘要公布了：一种基于多任务对抗学习的时序脑图像校准方法，属于医学图像技术领域，该方法包括以下步骤：对预先获取的时序脑图像进行预处理，去除不相关的信息；将脑图像表型校准网络分为两个子任务一是局部细节重构，二是全局结构变换，分别用不同的方式来学习，并采用对抗学习策略中的判别器来约束生成更优的校准脑图像。本发明对于提升脑图像与基因关联性能是非常有价值的，能够有效地观测和理解人脑的状态。

本发明授权一种基于多任务对抗学习的时序脑图像校准方法在权利要求书中公布了：1.一种基于多任务对抗学习的时序脑图像校准方法，其特征在于：具体过程如下： 1对预先获取的时序脑图像进行预处理，去除不相关的信息； 2从像素级别上约束生成的校准脑图像与模板脑图像之间保持一致性，构建重构损失项； 所述步骤2所述重构损失项为： ； 其中，假设和分别表示校准脑图像和时刻脑图像，其尺寸均为，这里的、分别代表脑图像表型的长和宽；是一个恒等网络并且由编码器和解码器组成，输入和输出部分是同一个模板脑图像表型； 3从𝑛时刻脑图像表型特征到模板脑图像表型特征的回归损失，构建特征变换损失项； 所述步骤3所述特征变换损失项为： ； 其中，和分别表示特征脑图像的长和宽；表示特征变换器； 4约束网络生成更真实的校准脑图像表型，构建对抗损失项； 所述步骤4所述对抗损失项为： ； 其中，是一个变换网络并且由编码器、特征变换器和解码器组成，输入和输出分别为时刻脑图像表型和对应的校准脑图像表型，表示对抗网络中的判别器； 5将脑图像表型校准网络分为两个子任务，两个子任务分别是局部细节重构和全局结构变换，分别用不同的方式来学习，并采用对抗学习策略中的判别器来约束生成更优的校准脑图像； 所述步骤5实现过程如下： 51根据步骤2、步骤3和步骤4，假设和分别表示校准脑图像和时刻脑图像，和分别代表对抗网络架构中的生成器和判别器，在提出的校准方法中，生成器包括3个子模块，编码器、特征变换器以及解码器，其中，编码器负责对输入脑图像表型的细节信息进行编码，特征编码负责将时刻上脑图像表型在隐空间中的特征表达映射到对应校准脑图像表型的特征空间中，而解码器负责根据特征表达来重构校准脑图像，综上，所提出缺失特征补齐方法的损失函数包含多个损失项，即： ； 其中，和是平衡各项重要性的权重参数； 52以多任务的方式同时训练两个生成器和，其中是一个恒等网络并且由编码器和解码器组成，输入和输出部分是同一个模板脑图像表型，而是一个变换网络并且由编码器、特征变换器和解码器组成，输入和输出分别为时刻脑图像表型和对应的校准脑图像表型，和中的编码器和解码器是共享参数的，以便共享编码解码细节信息的能力，网络通过一个特征回归损失项来约束特征变换器学习从时刻脑图像表型特征空间到模板脑图像表型特征空间的映射，并且无需考虑如何编码细节信息，还引入了一个判别器用于区分生成器产生的校准脑图像表型和模板脑图像表型，以此约束生成器产生更优的校准脑图像表型。

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南京邮电大学，其通讯地址为：210000 江苏省南京市栖霞区文苑路9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。