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！

龙图腾网获悉天津师范大学;河北化工医药职业技术学院;镇江德诺信光电科技有限公司申请的专利基于生成对抗网络的OCT图像超分辨率重建方法及系统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：CN120525723B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202511029334.6，技术领域涉及：G06T3/4053；该发明授权基于生成对抗网络的OCT图像超分辨率重建方法及系统是由韩婷婷;李文轩;齐丹丹;陶魁园设计研发完成，并于2025-07-25向国家知识产权局提交的专利申请。

本基于生成对抗网络的OCT图像超分辨率重建方法及系统在说明书摘要公布了：本发明提出一种基于生成对抗网络的OCT图像超分辨率重建方法及系统，涉及图像超分辨率技术领域。本发明的技术要点包括：构建了一个基于生成对抗网络的图像超分辨率重建模型，以用于低分辨率OCT图像的超分辨率重建；该模型包括生成器和判别器，生成器包括浅层特征提取模块、深层特征提取模块、多级特征融合模块、图像重建模块；其中深层特征提取模块包括多个串联的局部‑全局特征提取器，其包括局部特征提取器、全局特征提取器和一个卷积层；多级特征融合模块通过融合多个局部‑全局特征提取器的输出，使模型能够综合利用不同层级的特征信息。本发明提升了OCT图像的感知质量，实现了OCT图像的超分辨率。

本发明授权基于生成对抗网络的OCT图像超分辨率重建方法及系统在权利要求书中公布了：1.一种基于生成对抗网络的OCT图像超分辨率重建方法，其特征在于，包括： 获取OCT图像数据集，所述OCT图像数据包括低分辨率OCT图像和对应的高分辨率OCT图像； 构建基于生成对抗网络的图像超分辨率重建模型，并将所述OCT图像数据集输入所述图像超分辨率重建模型中进行训练，获取训练好的图像超分辨率重建模型；其中，基于生成对抗网络的图像超分辨率重建模型包括生成器和判别器，所述生成器包括浅层特征提取模块、深层特征提取模块、多级特征融合模块、图像重建模块；所述浅层特征提取模块用于对输入的低分辨率OCT图像提取浅层特征；所述深层特征提取模块用于对提取的浅层特征，进一步提取图像的多个深层特征，所述深层特征提取模块包括多个串联的局部-全局特征提取器，每一个局部-全局特征提取器的输出连接下一个局部-全局特征提取器的输入和所述多级特征融合模块的输入；所述局部-全局特征提取器包括局部特征提取器、全局特征提取器和一个卷积层；所述局部-全局特征提取器的运行机制为：通过所述局部特征提取器提取局部特征，随后通过所述全局特征提取器提取全局特征，随后通过一个卷积层进行进一步学习，随后通过残差连接将卷积层输出与所述局部特征提取器的输入相加；所述多级特征融合模块用于对所述多个深层特征进行融合，获取全局融合特征；所述图像重建模块用于基于所述全局融合特征进行图像重建； 利用训练好的图像超分辨率重建模型对待重建的低分辨率OCT图像进行重建，获取对应的超分辨率OCT图像； 其中，所述多级特征融合模块对多个深层特征进行融合，获取全局融合特征的过程包括： 将每个局部-全局特征提取器输出的特征进行拼接；随后，将拼接后的特征输入空间自适应特征调制子模块进一步细化特征；随后，将空间自适应特征调制子模块输出的细化特征与最后一个局部-全局特征提取器的输出特征再次进行拼接；随后，经过一个卷积层，得到全局融合特征； 其中，所述空间自适应特征调制子模块包括多条并行子通道； 其中，一条子通道由深度可分离卷积组成，其余子通道由深度可分离卷积、自适应最大池化和上采样构成，且不同子通道采用不同的池化尺度；将多个子通道处理后的输出特征进行拼接，随后经过卷积和GeLU激活函数，得到特征权重；随后将特征权重与所述空间自适应特征调制子模块的输入特征相乘，得到细化特征。

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天津师范大学;河北化工医药职业技术学院;镇江德诺信光电科技有限公司，其通讯地址为：300387 天津市西青区宾水西道393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”。