Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 之江实验室;中国科学技术大学田超获国家专利权

之江实验室;中国科学技术大学田超获国家专利权

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!

龙图腾网获悉之江实验室;中国科学技术大学申请的专利基于双域神经网络的训练方法和光声图像重建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:CN114332283B

龙图腾网通过国家知识产权局官网在2025-07-15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:202111683421.5,技术领域涉及:G06T11/00;该发明授权基于双域神经网络的训练方法和光声图像重建方法是由田超;沈康;刘松德设计研发完成,并于2021-12-31向国家知识产权局提交的专利申请。

基于双域神经网络的训练方法和光声图像重建方法在说明书摘要公布了:本发明公开了一种基于双域神经网络的训练方法和一种相对应的光声图像重建方法,包括:构建DI‑net网络模型,其中,所述DI‑net网络模型包括数据域D‑net网络、图像域I‑net网络以及所述数据域D‑net网络和图像域I‑net网络之间的反投影层;获取训练样本数据集,所述训练样本数据集包括光声信号和光声图像;基于所述训练样本数据集训练所述DI‑net网络模型,得到训练后的DI‑net网络模型。将稀疏视角光声信号输入DI‑net网络模型,得到重建图像。利用所述训练后的DI‑net网络模型进行图像重建,可以抑制稀疏视角导致的条纹伪影,提高图像质量。

本发明授权基于双域神经网络的训练方法和光声图像重建方法在权利要求书中公布了:1.一种基于双域神经网络的训练方法,包括: 获取训练样本数据集,所述训练样本数据集包括:空间欠采样光声信号和空间全采样光声信号,以及空间全采样光声信号通过图像重建算法获取的全采样光声信号对应的光声图像;所述空间欠采样光声信号和所述空间全采样光声信号形成第一数据集对,所述空间欠采样光声信号和所述空间全采样光声信号对应的光声图像形成第二数据集对; 基于所述训练样本数据集训练DI-net网络模型,得到训练后的DI-net网络模型,其中,所述DI-net网络模型包括数据域D-net网络、图像域I-net网络以及所述数据域D-net网络和所述图像域I-net网络之间的反投影层; 其中,所述基于所述训练样本数据集训练所述DI-net网络模型,得到训练后的DI-net网络模型,包括: 利用所述第一数据集对单独对所述数据域D-net网络进行训练,得到所述数据域D-net网络的第一最优网络结构;所述第一最优网络结构学习了所述空间欠采样光声信号与所述空间全采样光声信号之间的映射关系; 对所述图像域I-net网络进行训练,在得到所述数据域D-net网络的第一最优网络结构、使所述数据域D-net网络的第一权重参数固定后,利用所述第二数据集对基于所述DI-net网络模型进行端到端训练,得到所述图像域I-net网络的第二最优网络结构,得到图像域I-net网络的第二权重参数;所述第二最优网络结构能够将所述反投影层输出的光声图像映射成与所述空间全采样光声信号对应的光声图像; 恢复所述数据域D-net网络的所述第一权重参数的可训练性,利用所述第二数据集对对所述DI-net网络模型进行端到端微调训练,得到所述DI-net网络模型; 其中,基于平方误差损失函数对所述第一权重参数和所述第二权重参数的固定进行监控。

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之江实验室;中国科学技术大学,其通讯地址为:310023 浙江省杭州市余杭区文一西路1818号人工智能小镇10号楼;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”。

免责声明
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。