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！

龙图腾网获悉湖南科技学院申请的专利基于生成对抗网络的肺癌影像增强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：CN120450982B 。

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：202510544885.X，技术领域涉及：G06T5/60；该发明授权基于生成对抗网络的肺癌影像增强方法是由戴振华;刘倩兰;肖伟;刘尚;黄禧艳设计研发完成，并于2025-04-28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肺癌影像增强方法在说明书摘要公布了：本发明公开了一种基于生成对抗网络的肺癌影像增强方法，S1.获得标准化肺癌斑片状影像数据集；S2.形成带标注的肺癌斑片状影像训练数据；S3.生成肺癌斑片状多尺度动态特征图；S4.输出初步重建肺癌斑片状影像数据；S5.构建局部感知判别器；S6.获得训练完成的空洞卷积融合生成对抗网络模型；S7.将新取得的低质量肺癌斑片状影像数据输入至训练完成的空洞卷积融合生成对抗网络模型中，输出重建肺癌斑片状影像数据，并生成肺癌斑片状影像质量评估结果。本发明提高了生成影像在关键病灶区域的真实性和可信度。

本发明授权基于生成对抗网络的肺癌影像增强方法在权利要求书中公布了：1.一种基于生成对抗网络的肺癌影像增强方法，其特征在于，包括如下步骤： S1.采集肺癌斑片状影像数据并建立肺癌斑片状影像数据集，对肺癌斑片状影像数据集进行预处理，获得标准化肺癌斑片状影像数据集； S2.基于放射科医师人工勾画结果生成肺癌斑片状病灶区域标注信息，并将肺癌斑片状病灶区域标注信息与标准化肺癌斑片状影像数据集进行配对，形成带标注的肺癌斑片状影像训练数据； S3.构建空洞卷积特征提取模块对带标注的肺癌斑片状影像训练数据进行多尺度特征提取，生成肺癌斑片状多尺度动态特征图； 所述S3具体包括以下步骤： S31.读取带标注的肺癌斑片状影像训练数据集中的每一对肺癌斑片状感兴趣区域影像与肺癌斑片状病灶区域掩膜Ri,Mi，对肺癌斑片状感兴趣区域影像Ri与肺癌斑片状病灶区域掩膜Mi进行逐像素乘积操作，得到肺癌斑片状病灶强化影像 S32.基于肺癌斑片状病灶强化影像计算局部纹理梯度强度图Gi，局部纹理梯度强度图Gi中每一个像素点位置x,y的梯度强度值Gix,y定义为该位置处沿横向方向的肺癌斑片状病灶强化影像的变化率平方与沿纵向方向的肺癌斑片状病灶强化影像的变化率平方之和再开平方的结果； S33.根据局部纹理梯度强度图Gi动态生成空洞率图Di，空洞率图Di中每一个像素点位置x,y的空洞率值Dix,y依据预设的最小空洞率dmin与最大空洞率dmax之差乘以一减去局部纹理梯度强度值Gix,y与局部纹理梯度强度图最大值Gmax的比值后，再加上最小空洞率dmin得出； S34.基于肺癌斑片状病灶强化影像及动态空洞率图Dix,y，对每一个位置x,y自适应应用对应的空洞卷积操作，提取肺癌斑片状多尺度动态特征图Fix,y； S4.构建轻量级残差生成器网络，将肺癌斑片状多尺度动态特征图输入至轻量级残差生成器网络，输出初步重建肺癌斑片状影像数据； S5.构建局部感知判别器； 所述S5具体包括以下步骤： S51.将初步重建肺癌斑片状影像数据与对应的肺癌斑片状病灶区域掩膜Mi同步送入局部感知判别器输入端，通过局部感知判别器对肺癌斑片状病灶区域掩膜Mi计算肺癌斑片状病灶距离变换图Ui： 其中，表示像素x,y到肺癌斑片状病灶区域边界的欧氏距离； S52.确定肺癌斑片状病灶距离变换图Ui中归一化欧氏距离最大的像素坐标以像素坐标为中心，按照尺度集合裁剪肺癌斑片状病灶多尺度影像块 S53.在全局判别分支中对初步重建肺癌斑片状影像数据进行卷积-全局平均池化处理后，经全连接层与Sigmoid激活函数得到全局真实性评分 S54.在多尺度局部判别分支中，分别将每个肺癌斑片状病灶多尺度影像块输入卷积网络，得到局部特征图经全连接层与Sigmoid激活函数输出尺度-局部真实性评分 S55.根据肺癌斑片状病灶距离变换图Ui计算每个肺癌斑片状病灶多尺度影像块的尺度注意权重尺度注意权重由肺癌斑片状病灶区域中所有像素的归一化欧氏距离求平均后再归一化得到，按尺度注意权重对各尺度-局部真实性评分做加权求和，获得加权局部真实性评分 S56.通过计算肺癌斑片状病灶边缘梯度图的平均梯度强度得到边缘完整性调节因子γi，使用边缘完整性调节因子对全局真实性评分与加权局部真实性评分进行线性融合，得到联合真实性评分 S6.以标准化肺癌斑片状影像数据集为输入、肺癌斑片状病灶区域标注信息为区域权重、空洞卷积特征提取模块与轻量级残差生成器网络为生成器、局部感知判别器为判别器，获得训练完成的空洞卷积融合生成对抗网络模型； S7.将新取得的低质量肺癌斑片状影像数据输入至训练完成的空洞卷积融合生成对抗网络模型中，输出重建肺癌斑片状影像数据，并生成肺癌斑片状影像质量评估结果。

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湖南科技学院，其通讯地址为：425100 湖南省永州市零陵区杨梓塘路130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。