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！

龍圖騰網恭喜浙江工業大學申請的專利一種低劑量CT圖像超分辨率去噪方法和裝置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：CN113516586B 。

龍圖騰網通過國家知識產權局官網在2025-05-06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：202110443108.8，技術領域涉及：G06T3/4053；該發明授權一種低劑量CT圖像超分辨率去噪方法和裝置是由金燕;洪千茜;姜智偉設計研發完成，并于2021-04-23向國家知識產權局提交的專利申請。

本一種低劑量CT圖像超分辨率去噪方法和裝置在說明書摘要公布了：本發明公開一種低劑量CT圖像超分辨率去噪方法，包括：獲取低劑量CT圖像；基于生成式對抗網絡構建訓練系統，包括生成器和判別器，生成器包括特征提取模塊、至少1個輕量高效像素注意力模塊、至少1個多尺度細節上下文模塊和融合模塊，融合模塊用于將去噪特征向量和上下文細節緊密聯系的特征向量進行融合處理得到預測高劑量CT圖像；構建訓練系統的總損失函數，利用總損失函數對訓練系統進行訓練，訓練結束時，確定參數的生成器組成CT圖像超分辨率去噪模型；應用時，將低劑量CT圖像輸入至CT圖像超分辨率去噪模型，經計算獲得超分辨去噪的CT圖像。利用所述方法能夠抑制低劑量CT圖像噪音，提高低劑量CT圖像分辨率。

本發明授權一種低劑量CT圖像超分辨率去噪方法和裝置在權利要求書中公布了：1.一種低劑量CT圖像超分辨率去噪方法，其特征在于，包括以下步驟：1獲取真實高劑量CT圖像，將真實高劑量CT圖像處理為低劑量CT圖像；2基于生成式對抗網絡構建訓練系統，包括生成器和判別器，生成器包括第一特征提取模塊、至少1個輕量高效像素注意力模塊、至少1個多尺度細節上下文模塊和一個融合模塊，第一特征提取模塊用于從輸入低劑量CT圖像提取淺層特征向量，輕量高效像素注意力模塊用于對輸入淺層特征向量進行去噪，輸出去噪特征向量，多尺度細節上下文模塊用于對輸入淺層特征向量擴大感受野，輸出上下文細節緊密聯系特征向量，融合模塊用于將去噪特征向量和上下文細節緊密聯系特征向量進行融合處理得到預測高劑量CT圖像；3構建訓練系統的總損失函數，根據真實高劑量CT圖像通過判別器輸出第一判別信息，低劑量CT圖像通過生成器輸出預測高劑量CT圖像，預測高劑量CT圖像通過判別器輸出第二判別信息，根據第一判別信息與第二判別信息的期望構建判別器的第一損失函數；根據第二判別信息與第一判別信息的期望構建判別器的第二損失函數；根據預測高劑量CT圖像與真實高劑量CT圖像數據的均方差，第一判別信息與第二判別信息的均方差，第一損失函數，以及第二損失函數構建訓練系統的總損失函數；4利用總損失函數對訓練系統進行訓練，訓練結束時，確定參數的生成器組成CT圖像超分辨率去噪模型；5應用時，將低劑量CT圖像輸入至CT圖像超分辨率去噪模型，經計算獲得超分辨去噪的CT圖像；第一損失函數loss_d1為：loss_d1＝σDy-E[DGx]第二損失函數loss_d2為：loss_d2＝σDGx-E[Dy]訓練系統的總損失函數loss_d3為： 其中，x為低劑量CT圖像，y為真實高劑量CT圖像，σ為Sigmoid函數，Gx為低劑量CT圖像經過生成器輸出的預測高劑量CT圖像，Dy為真實高劑量CT圖像經過判別器輸出的第一判別信息，DGx為預測高劑量CT圖像經過判別器輸出的第二判別信息，E[Dy]為第一判別信息的期望，E[DGx]為第二判別信息的期望，α、β和γ為權重系數，生成器D通過VGG網絡模型進行訓練，yi為第i幅真實高劑量CT圖像，xi為第i幅低劑量CT圖像。

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工業大學，其通訊地址為：310014 浙江省杭州市下城區潮王路18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”。