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！

龙图腾网获悉复旦大学申请的专利基于形变校正一致性的颅脑磁共振影像模态转换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：CN116823777B 。

龙图腾网通过国家知识产权局官网在2026-01-13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：202310794993.3，技术领域涉及：G06T7/00；该发明授权基于形变校正一致性的颅脑磁共振影像模态转换方法是由韩舒凉;冯瑞设计研发完成，并于2023-06-30向国家知识产权局提交的专利申请。

本基于形变校正一致性的颅脑磁共振影像模态转换方法在说明书摘要公布了：本发明提供了一种基于形变校正一致性的颅脑磁共振影像模态转换方法，具有这样的特征，包括以下步骤：步骤S1，对源模态影像进行预处理操作，得到预处理源模态影像；步骤S2，构建生成对抗网络，再根据现有的多张以加权方式A成像的颅脑磁共振影像和对应的以加权方式B成像的颅脑磁共振影像构建训练集对生成对抗网络进行训练，再根据训练好的生成对抗网络构建模态转换模型；步骤S3，将预处理源模态影像输入模态转换模型，得到目标模态影像。总之，本方法能够生成具有更高精度的模态转换影像。

本发明授权基于形变校正一致性的颅脑磁共振影像模态转换方法在权利要求书中公布了：1.一种基于形变校正一致性的颅脑磁共振影像模态转换方法，用于对以加权方式A成像的源模态影像进行处理，得到以加权方式B成像的目标模态影像，其特征在于，包括以下步骤： 步骤S1，对所述源模态影像进行预处理操作，得到预处理源模态影像； 步骤S2，构建生成对抗网络，再根据现有的多张以加权方式A成像的颅脑磁共振影像和对应的以加权方式B成像的颅脑磁共振影像构建训练集对所述生成对抗网络进行训练，再根据训练好的所述生成对抗网络构建模态转换模型； 步骤S3，将所述预处理源模态影像输入所述模态转换模型，得到所述目标模态影像， 其中，所述步骤S2包括以下子步骤： 步骤S2-1，构建包含空间变换网络R、后向校正生成器G1、前向校正生成器G2、后向校正判别器D1和前向校正判别器D2的所述生成对抗网络； 步骤S2-2，对以加权方式A成像的颅脑磁共振影像进行所述预处理操作，得到训练影像，对以加权方式B成像的颅脑磁共振影像进行所述预处理操作，得到真实影像，再将所有所述训练影像和对应的所述真实影像作为所述训练集； 步骤S2-3，将所述训练集中的一张训练影像xA输入所述空间变换网络R，得到形变场φ； 步骤S2-4，将所述训练影像xA输入所述后向校正生成器G1，得到带噪的B加权影像G1xA； 步骤S2-5，将所述形变场φ和B加权影像G1xA进行重采样，得到后向校正的B加权影像φG1xA； 步骤S2-6，将所述训练影像xA和所述形变场φ进行重采样，得到前向校正的无噪A加权影像φxA； 步骤S2-7，将所述无噪A加权影像φxA输入所述前向校正生成器G2，得到前向校正的B加权影像G2φxA； 步骤S2-8，将所述B加权影像G2φxA输入所述前向校正判别器D2，得到第一判别分类结果； 步骤S2-9，将所述训练影像xA对应的真实影像yB输入所述前向校正判别器D2，得到第二判别分类结果； 步骤S2-10，将所述B加权影像φG1xA输入所述后向校正判别器D1，得到第三判别分类结果； 步骤S2-11，将所述真实影像yB输入所述后向校正判别器D1，得到第四判别分类结果； 步骤S2-12，根据所述第一判别分类结果、所述第三判别分类结果、所述B加权影像G2φxA、所述B加权影像φG1xA和所述真实影像yB计算损失函数LG，再根据损失函数计算结果通过反向传播优化所述空间变换网络R、所述后向校正生成器G1和所述前向校正生成器G2的参数； 步骤S2-13，根据所述第一判别分类结果、所述第二判别分类结果、所述第三判别分类结果和所述第四判别分类结果计算损失函数LD，再根据损失函数计算结果通过反向传播优化所述后向校正判别器D1和所述前向校正判别器D2的参数； 步骤S2-14，重复执行步骤S2-3至步骤S2-13，直至所述训练集中的所有数据均已被用于训练，则进入步骤S2-15； 步骤S2-15，重复执行步骤S2-3至步骤S2-14，直至达到训练完成条件，则得到训练好的所述生成对抗网络； 步骤S2-16，根据训练好的所述空间变换网络R和所述前向校正生成器G构建所述模态转换模型。

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复旦大学，其通讯地址为：200433 上海市杨浦区邯郸路220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。