買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜重慶理工大學(xué)申請(qǐng)的專利一種基于多維信息融合網(wǎng)絡(luò)的X射線熱聲成像方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN119313753B 。

龍圖騰網(wǎng)通過國家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-05-09發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202411179150.3，技術(shù)領(lǐng)域涉及：G06T11/00；該發(fā)明授權(quán)一種基于多維信息融合網(wǎng)絡(luò)的X射線熱聲成像方法是由蔣鑫;陳智超;孫政;翟思彤設(shè)計(jì)研發(fā)完成，并于2024-08-27向國家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種基于多維信息融合網(wǎng)絡(luò)的X射線熱聲成像方法在說明書摘要公布了：本發(fā)明公開了一種基于多維信息融合網(wǎng)絡(luò)的X射線熱聲成像方法，涉及人工智能醫(yī)學(xué)成像技術(shù)領(lǐng)域。本發(fā)明能夠適應(yīng)在不同采樣條件下的高質(zhì)量X射線熱聲圖像快速重建，有效提取并利用信號(hào)和圖像的信息，通過信號(hào)與圖像中的特征信息互補(bǔ)，在保證重建質(zhì)量的同時(shí)，減少時(shí)間成本的開銷，避免傳統(tǒng)X射線熱聲成像方法的缺陷，加速X射線熱聲成像的發(fā)展進(jìn)程。

本發(fā)明授權(quán)一種基于多維信息融合網(wǎng)絡(luò)的X射線熱聲成像方法在權(quán)利要求書中公布了：1.一種基于多維信息融合網(wǎng)絡(luò)的X射線熱聲成像方法，其特征在于：至少包括以下步驟：S1：模擬經(jīng)X射線放療后的初始聲壓數(shù)據(jù)集，在不同采樣條件下使用K-Wave模擬X射線誘發(fā)的超聲波信號(hào)仿真數(shù)據(jù)；S2：逐模塊的構(gòu)建端到端的多維信息融合網(wǎng)絡(luò)模型MFF-NET，并輸出最終的X射線熱聲圖像；所述S2中的端到端的多維信息融合網(wǎng)絡(luò)模型MFF-NET包括左側(cè)的信號(hào)特征提取模塊、右側(cè)的圖像特征提取模塊和中間的特征融合模塊；所述信號(hào)特征提取模塊包括一個(gè)雙向長短期記憶神經(jīng)網(wǎng)絡(luò)BiLSTM和編解碼器U-net，所述BiLSTM共包含512個(gè)單元，其輸入為模擬的超聲信號(hào)序列，輸入維度為超聲換能器個(gè)數(shù)i×采樣點(diǎn)數(shù)w，提取的特征通過一個(gè)全連接層還原成128×128大小的特征圖；所述的編解碼器U-net的下采樣塊中包含兩個(gè)連續(xù)的卷積塊和一個(gè)大小為2×2，步長為2的池化層組成，其中卷積塊由大小為3×3，步長為1的卷積層和批量歸一化層以及ReLu激活函數(shù)組成，所述的編解碼器U-net的上采樣塊中包含兩個(gè)與下采樣塊中一致的卷積層和大小為2×2，步長為2的反卷積層組成；所述圖像特征提取模塊包括主體和交叉注意力模塊；所述主體為Unet架構(gòu)，并在Unet架構(gòu)的基礎(chǔ)上融入交叉注意力模塊來代替Unet的殘差連接；所述交叉注意力模塊首先從編碼器階段提取多特征，應(yīng)用平均池化提取斑塊，并使用1×1的卷積實(shí)現(xiàn)投影操作，最后通過連續(xù)的通道交叉注意力和空間交叉注意力機(jī)制；所述特征融合模塊引入了一種多級(jí)特征信息融合模塊，以所述圖像特征提取模塊中的圖像后處理模塊中輸出的不同大小的特征圖作為輸入，首先，通過1×1的卷積統(tǒng)一不同尺度特征的通道數(shù)，然后應(yīng)用空間和通道注意力機(jī)制，隨后對(duì)不同大小的特征應(yīng)用池化、恒等映射以及插值操作，使其統(tǒng)一到與圖像后處理相應(yīng)的特征大小，最后對(duì)所有的重采樣特征圖應(yīng)用哈達(dá)馬乘法來增強(qiáng)特征；其中經(jīng)所述圖像特征融合模塊后的特征與所述信號(hào)提取模塊中解碼器U-net相同大小的特征圖相連接，最后輸出最終的X射線熱聲圖像；S3：采用有監(jiān)督的學(xué)習(xí)方法，在初始聲壓數(shù)據(jù)集和超聲波信號(hào)仿真數(shù)據(jù)集上訓(xùn)練MFF-NET，依次完成不同采樣環(huán)境下的超聲波信號(hào)到高質(zhì)量X射線熱聲圖像重建訓(xùn)練任務(wù)，得到訓(xùn)練好的X射線熱聲圖像重建模型；S4：將放療下的X射線誘發(fā)的超聲信號(hào)輸入訓(xùn)練好的X射線熱聲圖像重建模型，輸出重建后的高質(zhì)量X射線熱聲圖像；S5：將預(yù)測(cè)的聲壓分布還原生成相應(yīng)的劑量分布，并將聲壓和劑量圖切片堆疊成3D形式，進(jìn)行3D劑量驗(yàn)證。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人重慶理工大學(xué)，其通訊地址為：400054 重慶市巴南區(qū)紅光大道69號(hào)；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)”。