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！

龙图腾网获悉燕山大学申请的专利基于算法展开的心脏磁共振图像重构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：CN119169128B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202411254764.3，技术领域涉及：G06T12/10；该发明授权基于算法展开的心脏磁共振图像重构方法是由郝连旺;蔡大军;张健设计研发完成，并于2024-09-09向国家知识产权局提交的专利申请。

本基于算法展开的心脏磁共振图像重构方法在说明书摘要公布了：本发明公开了一种基于算法展开的心脏磁共振图像重构方法，属于图像处理领域，该方法包括以下步骤：S1：获取原始的心脏磁共振图像；S2：建立基于局部卷积字典学习的心脏磁共振图像重构模型；S3：采用Nesterov加速近端梯度方法对基于局部卷积字典学习的心脏磁共振图像重构模型进行求解；S4：根据步骤S2和S3构建心脏磁共振图像重构神经网络模型；S5：对心脏磁共振图像重构神经网络模型进行训练；S6：根据新的心脏磁共振图像得到相应待重构图像。本发明能够有效捕获心脏磁共振图像的结构信息和细节特征，获得高质量的重构图像。

本发明授权基于算法展开的心脏磁共振图像重构方法在权利要求书中公布了：1.一种基于算法展开的心脏磁共振图像重构方法，其特征在于，所述方法包括以下步骤： 步骤S1：获取原始的心脏磁共振图像； 原始心脏磁共振图像为从k空间获取的欠采样心脏磁共振图像b，采用行向量进行保存； S2：建立基于局部卷积字典学习的心脏磁共振图像重构模型； 基于局部卷积字典学习的心脏磁共振图像重构模型描述如下： 其中，表示欠采样傅里叶编码矩阵；表示从k空间获取的一行欠采样CMR图像，是与b相对应的一行待重构CMR图像，用行向量表示；表示基于局部处理的卷积字典学习模型，N表示信号维度，与M×N中的N相同，表示局部卷积字典，是局部卷积字典中的一个原子，j表示字典原子的索引，是待重构CMR图像在局部卷积字典DL下的稀疏系数；是将DLαi置于第i个位置并将其余项填充为零的算子；为数据一致项误差变量；‖αi‖1是对向量αi的l1范数约束，表示αi中所有非零元素的绝对值之和；表示对符号内向量的l2范数约束进行平方,ρ，r1，r2分别表示第一、第二、第三正则化参数；ΩDL表示确保字典元素的长度为1的单位范数球约束；在基于局部卷积字典学习的心脏磁共振图像重构模型中，x、αi、z和DL为需要求解的待优化变量； S3：采用Nesterov加速近端梯度方法对基于局部卷积字典学习的心脏磁共振图像重构模型进行求解，步骤包括： S31：将重构模型的目标函数分解为两个部分，一个梯度Lipschitz连续的C1函数fx,αi,z和一个下半连续凸函数gαi,DL，具体为： S32：计算待优化变量的外推点，根据待优化变量的梯度函数，使用近端梯度下降方法更新待优化变量的外推点，并在近端梯度下降方法中使用φkz＝r3‖x-xk‖1作为改进的干摩擦势函数； S33：求解待优化变量的近端映射函数，包括： S331：求解更新稀疏系数αi的复合近端映射； S332：求解更新局部卷积字典DL的复合近端映射； S333：求解更新误差变量z的复合近端映射； S334：求解更新待重构CMR图像x的近端映射； S4：根据步骤S2和S3构建心脏磁共振图像重构神经网络模型； S5：对心脏磁共振图像重构神经网络模型进行训练； S6：根据新的心脏磁共振图像得到相应待重构图像。

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燕山大学，其通讯地址为：066004 河北省秦皇岛市河北大街西段438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。