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！

龙图腾网获悉江苏科技大学申请的专利一种基于非耦合特征与梯度信息的无监督医学图像配准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：CN116797531B 。

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：202310275996.6，技术领域涉及：G06T7/00；该发明授权一种基于非耦合特征与梯度信息的无监督医学图像配准方法是由邓星;邵海见;王龙健设计研发完成，并于2023-03-21向国家知识产权局提交的专利申请。

本一种基于非耦合特征与梯度信息的无监督医学图像配准方法在说明书摘要公布了：本发明公开了一种基于非耦合特征与梯度信息的无监督医学图像配准方法，包括：对医学图像进行预处理；在预处理后的医学图像中提取待配准图像对的梯度信息；将待配准图像对及其梯度信息输入搭建好的医学图像配准网络，利用医学图像配准网络进行特征提取，预测出形变场；利用空间变换网络将形变场和待配准移动图像进行重采样，得到配准后的扭曲图像；计算配准后的扭曲图像和待配准固定图像的相似性损失，迭代优化最小相似性损失函数和形变场平滑性约束损失函数得到最优的医学图像配准网络，通过最优的医学图像配准网络得到最终的配准图像。

本发明授权一种基于非耦合特征与梯度信息的无监督医学图像配准方法在权利要求书中公布了：1.一种基于非耦合特征与梯度信息的无监督医学图像配准方法，其特征在于，包括如下步骤： S1：对医学图像进行预处理； S2：在预处理后的医学图像中提取待配准图像对的梯度信息； S3：将待配准图像对及其梯度信息输入搭建好的医学图像配准网络，利用医学图像配准网络进行特征提取，预测出形变场； S4：利用空间变换网络将形变场和待配准移动图像进行重采样，得到配准后的扭曲图像； S5：计算配准后的扭曲图像和待配准固定图像的相似性损失，迭代优化最小相似性损失函数和形变场平滑性约束损失函数得到最优的医学图像配准网络，通过最优的医学图像配准网络得到最终的配准图像； 步骤S5具体为： 设定卷积神经网络的损失函数由扭曲图像和固定图像的相似性损失Lsim和形变场的平滑性约束损失函数Lsmooth组成，其表达式如下： 其中，λ为权重系数； 对于损失函数中的相似性度量Lsim，采用归一化互相关系数，即通过固定图像和扭曲图像的相同体素位置v处构建宽度为w的领域匹配窗口，建立目标函数来度量其对窗口的相关性，目标函数可以如下表示： 其中，Ω是体素位置集合，vi代表v领域内的体素位置，和分别为v领域内的局部灰度平均值； 对于损失函数中的形变场平滑性约束损失Lsmooth，采用的是计算形变场梯度的L2范数的平方，目标函数可以如下表示： 其中，u表示体素v的位移；对于三维医学图像而言，u可以表示为： 其中，分别是对x、y、z三个方向上形变进行约束。

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江苏科技大学，其通讯地址为：212003 江苏省镇江市京口区梦溪路2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”。

以上内容由龙图腾AI智能生成。