昆明理工大学王路路获国家专利权
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!
龙图腾网获悉昆明理工大学申请的专利基于跨模态和跨尺度特征融合的3D磁共振超分辨率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:CN116029908B 。
龙图腾网通过国家知识产权局官网在2025-05-27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:202310175391.X,技术领域涉及:G06T3/4053;该发明授权基于跨模态和跨尺度特征融合的3D磁共振超分辨率方法是由王路路;杨宇杰;方云翔;赵振刚;李英娜;李川设计研发完成,并于2023-02-28向国家知识产权局提交的专利申请。
本基于跨模态和跨尺度特征融合的3D磁共振超分辨率方法在说明书摘要公布了:本发明属于图像处理的超分辨率技术领域,具体为一种基于跨模态和跨尺度特征融合的3D磁共振超分辨率方法,主要包括:构建多个残差通道注意力块为主干的网络;将高分辨率参考图像梯度信息作为参考分支输入,为主干网络提供高频信息;设计跨尺度特征迁移模块,灵活嵌入主干网络中,捕获特征内全局跨尺度自相似性;利用通道、空间注意力将所有特征图融合,自适应调整高分辨率特征。本发明充分利用了图像自身内部先验信息和跨模态图像的外部先验信息,显著提高超分模型的性能,比其他先进方法取得更好的定量、定性分析。
本发明授权基于跨模态和跨尺度特征融合的3D磁共振超分辨率方法在权利要求书中公布了:1.基于跨模态和跨尺度特征融合的3D磁共振超分辨率方法,其特征在于,操作如下:将低分辨率MRI图像输入训练好的基于跨模态和跨尺度特征融合的超分辨率网络模型,得到相应的超分辨率MRI图像;所述基于跨模态和跨尺度特征融合的超分辨率网络模型的构建包括以下步骤:S1:构建基于跨模态和跨尺度特征融合的超分辨率网络模型;所述超分辨率网络模型包括跨模态参考分支网络和主分支网络;所述跨模态参考分支网络包括跨模态参考分支网络参考图像梯度图提取模块和跨模态参考分支网络参考图像特征提取模块;主分支网络包括主分支网络浅层特征提取模块、主分支网络深度特征提取模块、主分支网络上采样和特征融合模块、主分支网络图像重建模块、主分支网络高分辨率图像输出模块;S2:从公开数据集中获取目标模态和参考模态高分辨率MRI图像;其中,公开数据集中以T1W作为目标模态高分辨率MRI图像,以T2W和FLAIR作为参考模态高分辨率参考图像;S3:对目标模态高分辨率MRI图像数据进行模拟退化预处理,得目标模态低分辨率MRI图像数据;S4:将参考模态高分辨率MRI图像输入跨模态参考分支网络参考图像梯度图提取模块,获得参考模态MRI图像的梯度图;结合3D卷积层和激活函数构建特征提取模块;将特征提取模块加入跨模态参考分支网络中作为跨模态参考分支网络特征提取模块;S5:将S4得到的梯度图输入参考分支网络特征提取模块,捕捉参考高分辨率图像的结构化依赖性和空间关系,并输出参考模态MRI图像特征;将特征提取模块加入主分支网络中作为主分支网络浅层特征提取模块;S6:将S3得到的目标模态低分辨率MRI图像数据输入主分支网络浅层特征提取模块中提取目标模态低分辨率MRI图像浅层特征;S7:将S6提取的浅层特征输入主分支网络深度特征提取模块,得到多层次深度特征;其中,将多个残差通道注意力块堆叠作为主干,跨尺度特征迁移模块灵活嵌入残差通道注意力块块之间,组成主分支网络深度特征提取模块;S8:将S5输出的参考模态MRI图像特征、跨尺度特征迁移模块输出的目标尺度特征和S7得到的多层次深度特征输入主分支网络上采样和特征融合模块,自适应调整、融合来自不同分支的特征获得融合特征;S9:将S8获得的融合特征和S3获得的目标模态低分辨率MRI图像输入主分支网络图像重建模块,得到重建的高分辨率图像;S10:设置损失函数,对基于跨模态和跨尺度特征融合的超分辨率网络模型进行迭代训练;S11:重复S4-S10,直至模型收敛,得到训练好的基于跨模态和跨尺度特征融合的超分辨率网络模型。
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昆明理工大学,其通讯地址为:650093 云南省昆明市五华区一二一大街文昌路68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”。
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。