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(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉南京郵電大學申請的專利一種CBCT圖像去偽影方法獲國家發(fā)明授權專利權，本發(fā)明授權專利權由國家知識產(chǎn)權局授予，授權公告號為：CN114004912B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權局官網(wǎng)在2025-04-29發(fā)布的發(fā)明授權授權公告中獲悉：該發(fā)明授權的專利申請?zhí)?專利號為：202111313304.X，技術領域涉及：G06T11/00；該發(fā)明授權一種CBCT圖像去偽影方法是由謝世朋;嚴墨設計研發(fā)完成，并于2021-11-08向國家知識產(chǎn)權局提交的專利申請。

本一種CBCT圖像去偽影方法在說明書摘要公布了：本發(fā)明公開了一種CBCT圖像去偽影的方法，該方法基于contextualloss以及特征融合殘差網(wǎng)絡，首先對輸入的帶偽影的CBCT圖像和CT圖像進行特征提取，得到特征圖譜；將得到的特征圖經(jīng)過改進的以contextualloss為損失函數(shù)的特征融合殘差網(wǎng)絡訓練，學習CBCT與CT圖像之間的結構相似性，以CT圖像作為標簽，使得CBCT圖像能夠去除掉偽影但保持其結構不發(fā)生變化；最后將CBCT圖像作為輸入，利用訓練好的網(wǎng)絡模型進行偽影去除。該方法利用了contextualloss可以允許輸入圖像間的不對齊，可以很好的適用于CBCT與CT醫(yī)學圖像無法嚴格對其這一特點，最終實現(xiàn)一個快速有效的去除偽影的作用。

本發(fā)明授權一種CBCT圖像去偽影方法在權利要求書中公布了：1.一種CBCT圖像去偽影方法，其特征在于：所述方法基于contextualloss以及特征融合殘差網(wǎng)絡，包括以下幾個步驟：步驟1，對CBCT和CT數(shù)據(jù)進行預處理，將其處理為512*512大小的.raw格式圖像；步驟2，將前述經(jīng)過預處理的CBCT和CT數(shù)據(jù)經(jīng)過VGG19網(wǎng)絡提取圖像特征，以用于后續(xù)的訓練；步驟3，計算得到的CBCT和CT特征圖之間的結構相似度；具體內容如下：步驟3.1，計算特征相似度：采用基于余弦距離的contextualloss定義特征相似度，設si和tj分別是輸入CBCT圖像S和標簽CT圖像T經(jīng)過VGG19提取的特征，dij為特征間的余弦距離，其計算公式為： 其中；其中，N表示VGG19提取的特征數(shù)量，μt是對標簽圖像特征的歸一化；對于任意的k≠j時，dijdik，那么si和tj就是相似的；步驟3.2，計算圖像相似度：由特征間的相似度計算公式，進一步定義圖像間的相似度計算公式為： ；CX代表特征的相似度，CXij代表特征si和tj之間的相似度；使用一幅圖像與其自身計算相似度，可知其相似性為1，即CXii＝1，所以有CXs,s＝1；相反地，使用一張圖像與其完全不同的圖像比較，其相似性則有；損失函數(shù)定義如下：LCXs，t，l＝-logCXφls，φlt其中φls和φlt分別是經(jīng)過l層的VGG19網(wǎng)絡提取的CBCT和CT圖像的特征；步驟4，構建特征融合殘差網(wǎng)絡，該網(wǎng)絡中的殘差塊選擇在塊與塊中間進行連接，融合每個殘差塊的局部特征，最終傳給后續(xù)殘差塊；前一個模塊特征融合結果作為后一個特征融合模塊的輸入，而后堆疊局部特征融合后的特征，利用殘差學習來整合特征信息，形成網(wǎng)絡基本架構；構建特征融合殘差網(wǎng)絡方法如下：密集殘差塊RDB在原始圖像中提取多級特征，并進一步提高網(wǎng)絡性能，它通過局部密集連接利用所有層，然后通過局部特征融合LFF自適應地保留累積的特征，RDB結合淺層特征和深層特征進行全局特征融合GFF，并通過全局殘差學習獲得全局稠密特征；在塊和塊中間進行連接，融合每個RSDB中的局部特征，最終傳遞給后續(xù)殘差塊；第f個RSDB直接引入第f-1個RSDB或RB中的局部特征與進行特征融合，其中，若f＝1，為模型適應殘差塊RB，局部特征融合LFF表示為：；其中Ff，,LF表示第f個RSDB局部特征融合結果，表示Concat特征圖堆疊功能，F(xiàn)f-1,LF表示第f-1個RSDB局部特征融合結果，F(xiàn)f,2表示第f個RSDB輸入經(jīng)過兩次Conv層進行淺層特征提取的結果，表示為：；其中δ表示ReLU激活功能，Wf,2和Wf,1分別表示第2個卷積層第1個卷積層的權重，b2和b1分別表示第2個第1個卷積層的偏置，F(xiàn)f-1表示第f-1個RSDB輸出的結果；每個RSDB中進行局部特征融合之后不做任何處理，將堆疊的特征圖直接傳遞給下一個RSDB進行同樣操作，此方法將不同基本塊中的指定層特征堆疊一起，實現(xiàn)有間隔的跳躍連接和有效的特征提取；步驟5，以CBCT圖像為輸入，CT圖像為標簽，contextualloss為損失函數(shù)進行訓練，得到訓練好的特征融合殘差網(wǎng)絡模型；步驟6，將相同部位的CBCT圖像作為輸入進行測試，得到去除偽影的圖像。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯(lián)系本專利的申請人或專利權人南京郵電大學，其通訊地址為：210023 江蘇省南京市棲霞區(qū)文苑路9號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。