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！

龙图腾网获悉西安交通大学申请的专利一种基于多层级一致性的虚拟模态成像计算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：CN118866320B 。

龙图腾网通过国家知识产权局官网在2025-08-01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：202410887089.1，技术领域涉及：G16H50/20；该发明授权一种基于多层级一致性的虚拟模态成像计算方法是由杜少毅;韩泓丞;张栋;王娟;郭钦钵;田智强;姜珏设计研发完成，并于2024-07-03向国家知识产权局提交的专利申请。

本一种基于多层级一致性的虚拟模态成像计算方法在说明书摘要公布了：本发明属于图像处理技术领域，涉及一种面向医学影像的基于多层级一致性的虚拟模态成像计算方法，包括：获取原始B超声图像和真实弹性超声图像的配对数据；通过特征编码提取特征图；对提取特征图进行解码，生成虚拟弹性超声图像；在训练阶段，通过多层级一致性约束，对虚拟弹性超声图像进行监督学习，以优化图像模态转换模型；在推理阶段，应用训练好的虚拟模态生成模型将新B超声图像转换为虚拟弹性超声图像，并进行结节诊断；本发明能够在硬件不支持多模态医学影像成像时，通过神经网络计算实现对虚拟模态医学影像的获取，可以在不改变超声探头硬件的情况下实现弹性图的成像，为临床诊断提供更充分的影像学信息。

本发明授权一种基于多层级一致性的虚拟模态成像计算方法在权利要求书中公布了：1.一种基于多层级一致性的虚拟模态成像计算方法，其特征在于，包括以下步骤： 步骤1、获取原始B超声图像BUS和真实弹性超声图像R-EUS的配对数据； 步骤2、利用编码器对原始B超声图像BUS进行编码，提取特征图； 步骤3、利用解码器对步骤2中提取的特征图进行解码，生成虚拟弹性超声图像G-EUS； 步骤4、在训练阶段，通过样本级、区域级、像素级和域级的一致性约束，对步骤3中生成的虚拟弹性超声图像G-EUS进行监督学习，以优化图像模态转换模型； 步骤5、在推理阶段，应用步骤4训练好的虚拟模态生成模型将新的原始B超声图像BUS转换为虚拟弹性超声图像G-EUS，并结合原始B超声图像BUS和虚拟弹性超声图像G-EUS进行结节诊断； 所述步骤2中，所述编码器包括：融合卷积神经网络和Transformer架构的编码器；所述步骤3中，所述解码器包括：基于反卷积构建的解码器； 所述步骤4包括以下分步骤： 步骤4-1、样本级一致性约束，通过样本间的对比学习来实现样本级一致性约束； 步骤4-1-1、构建一个与生成网络中的编码器结构相同的编码器用于提取真实弹性超声图像R-EUS的特征zE，通过全局池化操作，将原始B超声图像BUS和真实弹性超声图像R-EUS的特征图分别转换为查询向量q和键向量k； 步骤4-1-2、在一个样本数量为N的mini-batch内，计算原始B超声图像BUS样本与其对应的真实弹性超声图像R-EUS样本所对应的特征之间的距离，最小化成对样本所对应特征向量，q和k+，之间的距离，最大化非成对样本所对应特征向量，q和除k+外的ki，之间的距离，以此为优化目标，建立样本级一致性约束，该优化目标可表示为： 式4中，dk为向量k的维度，μ用于尺度变换，稳定梯度更新； 步骤4-1-3、在训练过程中，参数更新时，特征编码器GEnc与的参数通过动量更新法进行更新，更新时，参数θt和的计算如下： 式5、6中，ηt代表学习率，设为0.001，L代表损失函数，m是动量系数，设为0.99； 步骤4-2、区域级一致性约束，通过对生成的弹性图和真实的弹性图xE进行区域级的对比，实现区域级一致性约束； 步骤4-2-1、对真实弹性图xE通过像素聚类进行区域划分，计算为： P＝SLICxE16 其中，P表示区域分割函数，SLIC表示简单线性迭代像素聚类方法，表示真实弹性图xE通过区域分割函数得到的各个子区域的集合； 步骤4-2-2、按相同的区域划分方式对生成的弹性图进行区域划分，计算为： 将每个区域进行展平，并重采样至统一的尺寸Norm；将展平并统一尺寸的xE和的各区域图像输入多层感知机MLP，分别得到每个区域对应的特征向量为： v＝MLPNormpR14 u＝MLPNormpG15 其中，xE所对应的每个区域的特征向量用v表示，所对应的每个区域的特征向量用u表示；通过u和v的对比来拉近xE和各个对应区域图像之间的距离，让生成的图像具有和真实图像相似的局部结构信息，表达为：

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西安交通大学，其通讯地址为：710049 陕西省西安市咸宁西路28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”。