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！

龙图腾网获悉东南大学申请的专利通用的成像物理驱动的CT数据仿真及CT图像噪声伪影抑制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：CN119151817B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202411184729.9，技术领域涉及：G06T5/70；该发明授权通用的成像物理驱动的CT数据仿真及CT图像噪声伪影抑制方法是由张谊坤;王垚;秦卓颖;陈阳;杨淳沨设计研发完成，并于2024-08-27向国家知识产权局提交的专利申请。

本通用的成像物理驱动的CT数据仿真及CT图像噪声伪影抑制方法在说明书摘要公布了：本发明公开了一种通用的成像物理驱动的CT数据仿真及CT图像噪声伪影抑制方法。本发明分别计算得到真实CT图像和真实CBCT图像中骨头、脂肪、肌肉以及空气的像素值，构建映射函数，将CT图像中各组织的像素值映射为真实CBCT图像中对应部位的像素值，得到仿真的CBCT数据。然后，使用正投影函数得到仿真CBCT数据的投影，通过稀疏采样角度和添加投影域噪声的方式模拟低剂量CBCT的投影数据，然后通过FDK函数将投影域数据重建，以这样一种通用的成像物理驱动的方式得到成对的可支持有监督学习的仿真CBCT数据。测试结果表明，该方法在模拟数据和真实数据上，无论是减少伪影、抑制噪声、恢复图像细节方面都具有良好的结果。

本发明授权通用的成像物理驱动的CT数据仿真及CT图像噪声伪影抑制方法在权利要求书中公布了：1.一种通用的成像物理驱动的CT数据仿真及CT图像噪声伪影抑制方法，其特征在于，具体步骤如下： 步骤1，真实CT图像ICT由CT值转为像素值，步骤2，将真实CBCT投影数据pCBCT通过FDK函数重建得到真实CBCT图像，步骤3，根据步骤2得到的像素值下的真实CBCT图像ICBCT，查看其骨头、脂肪、肌肉和空气对应的像素值，根据步骤1得到的真实CT图像ICT，查看其骨头、脂肪、肌肉和空气对应的像素值，计算由CT图像映射到CBCT图像的函数fCT_to_CBCT，根据得到的映射函数fCT_to_CBCT，将真实CT数据ICT的像素值映射到真实CBCT数据ICBCT对应的像素值上，使用得到的映射后的CT数据ICT_simlated，通过正投影函数得到投影数据pcbct_simulated，再通过FDK函数重建，得到仿真CBCT数据ICBCT_simulated，步骤4，根据步骤1‑3，获取得到标准剂量的CBCT仿真数据ICBCT_simulated_nd和对应的低剂量CBCT仿真数据ICBCT_simulated_ld，步骤5，根据步骤3得到的成对CBCT仿真数据，输入低剂量CBCT仿真数据ICBCT_simulated_ld，通过去噪网络，计算与标准剂量CBCT仿真数据ICBCT_simulated_nd之间的L1损失，通过网络学习降低损失来去除低剂量数据上的噪声和伪影，步骤6，引入低剂量CBCT真实数据ICBCT_ld，与主干网络的输入低剂量CBCT仿真数据ICBCT_simulated_ld一起进行无监督域适应学习，使用域判别器，利用WGAN_GP损失函数计算对两个不同域特征的分布损失，加入到有监督噪声伪影去除主干网络的损失当中，引导网络学习真实数据域的特征及数据分布，使用得到的最后的训练权重的网络，输入低剂量CBCT真实数据ICBCT_ld，输出去除伪影噪声后的ICBCT_output； 步骤6中无监督域适应，其具体实现形式为： Dtarget＝ΦDiscriminatorfeaturetargetDsource＝ΦDiscriminatorfeaturesource其中，Isource，Itarget表示低剂量的CBCT仿真数据和低剂量的CBCT真实数据，表示的是提取相应特征并上采样到原先图像尺寸，ΦDiscriminator表示的是域判别器，由多层卷积实现，用于输出输入的特征的分布，Dtarget，dsource表示的是域判别器分别输出的真实特征分布和仿真特征分布，最后使用无监督域适应损失函数计算无监督域适应的损失，其中，和表示源域和目标域特征分布的期望，λgp表示梯度引导部分的权重，表示判别器ΦDiscriminator对的梯度，其中： 。

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东南大学，其通讯地址为：211102 江苏省南京市江宁区东南大学路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”。