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！

龙图腾网获悉安徽工程大学申请的专利一种基于深度卷积稀疏表示重建网络的能谱CT成像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：CN116630738B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202310457004.1，技术领域涉及：G06V10/774；该发明授权一种基于深度卷积稀疏表示重建网络的能谱CT成像方法是由刘进;亢艳芹;吴凡;孙宇;晏宇豪;刘涛设计研发完成，并于2023-04-25向国家知识产权局提交的专利申请。

本一种基于深度卷积稀疏表示重建网络的能谱CT成像方法在说明书摘要公布了：本发明公开了一种基于深度卷积稀疏表示重建网络的能谱CT成像方法，属于能谱CT重建技术领域。本发明的核心步骤包括：首先，建立神经网络先验与稀疏表示先验；然后，将不同先验融入重建模型，并对重建模型进行分解求解；接下来，对分解后各式网络化，形成深度卷积稀疏表示重建网络，并进行训练；最后，用户可输入能谱CT投影数据到训练好的深度卷积稀疏表示重建网络中，输出重建后的能谱CT图像。本发明针对能谱CT图像重建质量差这一问题，通过联合神经网络先验和稀疏表示先验的优势，建立了可学习的参数自适应的重建网络，该网络能够减少能谱CT重建过程中的噪声，提升了图像重建质量和效率。

本发明授权一种基于深度卷积稀疏表示重建网络的能谱CT成像方法在权利要求书中公布了：1.一种基于深度卷积稀疏表示重建网络的能谱CT成像方法，其特征在于，包括以下步骤： 步骤1、构建训练数据集和测试集； 步骤2、设计构建针对能谱CT重建的神经网络先验和稀疏表示先验； 步骤3、将先验融入重建模型中，并进行分解求解，获得分解后的能谱CT重建式； 具体地，融入先验后的重建模型为： 上式中为待重建的能谱CT图像，为扫描并经过预处理后的投影数据，A为投影矩阵，为神经网络先验，为稀疏表示先验，和为正则化参数； 分解后的能谱CT重建式为： 上式中为待重建的能谱CT图像，为扫描并经过预处理后的投影数据，A为投影矩阵，为神经网络先验，和为正则化参数，为拉格朗日乘子，为重建迭代次数，为卷积稀疏迭代次数，为卷积算子，为的矩阵形式，为的矩阵形式，，，为小于最大特征值常数，I为单位矩阵，z为u的对偶变量，为软阈值操作，为阈值； 步骤4、对分解后的能谱CT重建式进行网络化，形成深度卷积稀疏表示重建网络，并利用训练数据集进行网络训练，获得训练好的网络参数； 步骤5、输入测试集中的能谱CT投影数据到训练好的深度卷积稀疏表示重建网络中，输出重建后的能谱CT图像，验证重建性能。

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安徽工程大学，其通讯地址为：241000 安徽省芜湖市鸠江区北京中路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。