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！

龙图腾网获悉西安电子科技大学杭州研究院申请的专利一种基于深度学习的三维医学图像融合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：CN119863377B 。

龙图腾网通过国家知识产权局官网在2025-10-24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：202411938497.1，技术领域涉及：G06T5/50；该发明授权一种基于深度学习的三维医学图像融合方法是由郭凯;王胜康设计研发完成，并于2024-12-26向国家知识产权局提交的专利申请。

本一种基于深度学习的三维医学图像融合方法在说明书摘要公布了：本申请涉及一种基于深度学习的三维医学图像融合方法、装置、设备及介质。所述方法包括：获取至少两个模态对应的二维医学源图像，并对二维医学源图像进行模态内预处理，得到各模态对应的单模态二维医学原始图像组；对单模态二维医学原始图像组进行模态间预处理得到多模态二维医学原始图像组；将多模态二维医学原始图像组输入至深度学习网络模型中，生成二维医学融合图像组；将二维医学融合图像组输入至以二维医学原始图像组为真实图像的改进三维生成对抗网络中，生成三维医学融合图像。采用本方法能够丰富医学融合图片展示的信息内容，提高医学融合图片融合过程的可解释性，提高医疗诊断的效率和准确性。

本发明授权一种基于深度学习的三维医学图像融合方法在权利要求书中公布了：1.一种基于深度学习的三维医学图像融合方法，其特征在于，所述方法包括： 获取至少两个模态对应的二维医学源图像，并对所述二维医学源图像进行模态内预处理，得到各模态对应的单模态二维医学原始图像组，所述模态内预处理用以提高单一模态对应的所述二维医学源图像的图像质量； 对所述单模态二维医学原始图像组进行模态间预处理得到多模态二维医学原始图像组，所述模态间预处理用以对齐不同模态对应的所述二维医学源图像； 将所述多模态二维医学原始图像组输入至深度学习网络模型中，生成二维医学融合图像组；所述二维医学融合图像组用以表征融合了所述多模态二维医学原始图像组中同一空间位姿对应的不同模态的二维医学源图像的特征的二维医学融合图像；所述深度学习网络模型为卷积神经网络和变换器网络结合得到； 将所述二维医学融合图像组输入至以所述二维医学原始图像组为真实图像的改进三维生成对抗网络中，生成三维医学融合图像； 其中，所述将所述多模态二维医学原始图像组输入至深度学习网络模型中，生成二维医学融合图像组，包括： 基于所述深度学习网络模型中的卷积神经网络分支提取所述多模态二维医学原始图像组中各图像的局部特征图； 基于所述深度学习网络模型中的变换器网络分支提取所述多模态二维医学原始图像组中各图像的全局特征图；所述变换器网络分支为通过将原始变换器网络中的多头注意力模块替换为空间缩减多头注意力模块得到； 将所述局部特征图和所述全局特征图进行特征耦合，生成耦合特征图，并将所述耦合特征图输入至交叉尺度注意力模块中生成多尺度特征图； 基于所述多模态二维医学原始图像组中需要融合的不同模态对应的图像的所述多尺度特征图，生成所述二维医学融合图像，并构建所述二维医学融合图像组； 其中，所述改进三维生成对抗网络是通过以下方法得到的： 基于三维VEA-GAN模型结合采用了梯度惩罚方法的Wasserstein距离损失函数的判别器构建初始改进三维生成对抗网络； 将所述改进三维生成对抗网络的生成器生成的伪三维医学融合图像在与单模态医学原始图像组中的图像对应的空间位置上进行二维拆分得到各所述单模态医学原始图像组对应的伪二维医学融合图像组； 将所述各单模态医学原始图像组和与所述伪二维医学融合图像组输入至所述初始改进三维生成对抗网络的判别器中计算判别器在真实图像即所述各单模态医学原始图像组上的损失和在假图像上即所述伪二维医学融合图像组上的损失，并反向传播损失，更新判别器的参数，得到所述改进三维生成对抗网络。

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电子科技大学杭州研究院，其通讯地址为：311200 浙江省杭州市萧山区萧山经济技术开发区钱农东路8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。