買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜浙江大學申請的專利基于深度學習的超聲聲速圖像重建方法和系統獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119516023B 。

龍圖騰網通過國家知識產權局官網在2025-04-04發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510084740.6，技術領域涉及：G06F17/00；該發明授權基于深度學習的超聲聲速圖像重建方法和系統是由朱新建;成駿楠;劉姍娜;滕沖;沈玉強;李暢設計研發完成，并于2025-01-20向國家知識產權局提交的專利申請。

本基于深度學習的超聲聲速圖像重建方法和系統在說明書摘要公布了：本發明公開了基于深度學習的超聲聲速圖像重建方法和系統，該方法包括：獲取超聲原始通道數據；將超聲原始通道數據輸入訓練好的聲速圖像重建模型，生成聲速圖，該模型包含編碼器和解碼器，編碼器包括初步特征提取模塊、GCSA模塊和后續特征處理模塊，初步特征提取模塊用于提取原始特征圖；GCSA模塊融合了通道注意力、通道洗牌和空間注意力機制，GCSA模塊將接收到的原始特征圖進行處理，生成優化特征圖；后續特征處理模塊，用于對優化特征圖進一步進行處理，生成編碼器的輸出特征圖；解碼器接收編碼器的輸出特征圖，將編碼器的輸出特征圖轉化為聲速矩陣，從而生成聲速圖。本發明的方法提高了特征的表達能力，使得生成的聲速圖精度更高。

本發明授權基于深度學習的超聲聲速圖像重建方法和系統在權利要求書中公布了：1.一種基于深度學習的超聲聲速圖像重建方法，其特征在于，包括：獲取超聲原始通道數據；將超聲原始通道數據輸入訓練好的聲速圖像重建模型，生成聲速圖，其中，聲速圖像重建模型包含編碼器和解碼器，編碼器按照信號流的方向依次包括初步特征提取模塊、GCSA模塊和后續特征處理模塊，初步特征提取模塊用于提取原始特征圖；GCSA模塊融合了通道注意力、通道洗牌和空間注意力機制，GCSA模塊將接收到的原始特征圖進行處理，生成優化特征圖；后續特征處理模塊，用于對優化特征圖進一步進行處理，生成編碼器的輸出特征圖；解碼器接收編碼器的輸出特征圖，將編碼器的輸出特征圖轉化為聲速矩陣，從而生成聲速圖；GCSA模塊包括通道注意力子模塊和空間注意力子模塊，通道注意力子模塊接收初步特征圖生成通道注意力圖；通道注意力子模塊還將通道注意力圖與初步特征進行相乘，得到增強后的特征圖，并對增強后的特征圖進行通道洗牌，生成混洗后的特征圖；空間注意力子模塊接收混洗后的特征圖，生成空間注意力圖；GCSA模塊還將混洗后的特征圖與空間注意力圖進行相乘，生成優化的特征圖；通道注意力子模塊接收初步特征圖生成通道注意力圖，具體包括：S11：接收初步特征圖；S12：對初步特征圖進行維度置換，將通道維度移至最后一維；S13：對維度置換后的特征圖輸入多層感知機，多層感知機的第一層將通道數縮減為初始通道數的四分之一，然后通過ReLU激活函數進行非線性變換，多層感知機的第二層將通道數恢復至初始通道維度；S14：再次執行維度置換，將S13生成的特征圖的形狀恢復至與初步特征圖的形狀相同；S15：將S14的結果通過Sigmoid函數，生成通道注意力圖；空間注意力子模塊接收混洗后的特征圖，生成空間注意力圖，具體包括：S21：接收混洗后的特征圖；S22：將混洗后的特征圖進行卷積操作，使得卷積后生成的特征圖的通道數變為混洗后特征圖的四分之一；S23：將S22生成的特征圖經過批歸一化與ReLU激活函數進行非線性轉換；S24：將S23的結果再次進行卷積操作，使得卷積生成的特征圖的通道數恢復至初始通道維度；S25：將S24的結果經過批歸一化以及Sigmoid激活函數，生成空間注意力圖。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人浙江大學，其通訊地址為：310058 浙江省杭州市西湖區余杭塘路866號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。