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！

龙图腾网获悉安徽大学申请的专利一种融合系统响应矩阵和神经网络的PET图像生成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：CN116739933B 。

龙图腾网通过国家知识产权局官网在2026-04-17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：202310732555.4，技术领域涉及：G06T5/70；该发明授权一种融合系统响应矩阵和神经网络的PET图像生成方法是由董兴波;金哲;吕兴国;张慧;李得志设计研发完成，并于2023-06-20向国家知识产权局提交的专利申请。

本一种融合系统响应矩阵和神经网络的PET图像生成方法在说明书摘要公布了：本发明属于医疗影像设备技术领域，具体涉及一种融合系统响应矩阵和神经网络的PET图像生成方法，该方法包括如下步骤：S1：获取初始图像；S2：对初始图像进行融合运算，得到融合图像；其中融合运算的过程如下：S21：将当前轮次的初始图像输入到MLEM或OSEM算法中，输出更新后的迭代图像。S22：将初始图像输入到一个经过训练的PET图像降噪模型中，输出降噪图像。S23：将迭代图像与初始图像相乘后，再与降噪图像相加，得到融合图像。S3：分别以每一轮的融合图像作为下一轮的初始图像，循环执行步骤S2的融合运算，输出迭代后融合图像即为所需的高精度PET图像。本发明克服了PET系统精度有限，系统噪声难以消除，导致最终成像质量无法提升的缺陷。

本发明授权一种融合系统响应矩阵和神经网络的PET图像生成方法在权利要求书中公布了：1.一种融合系统响应矩阵和神经网络的PET图像生成方法，其特征在于，其用于在MLEM或OSEM算法的基础上，根据PET设备的探测信号生成高精度PET图像；所述融合系统响应矩阵和神经网络的PET图像生成方法包括如下步骤： S1：获取初始图像λ0；所述初始图像λ0采用均匀的单值图像或由FBP算法根据探测信号重建出的原始图像； S2：对初始图像λ0进行融合运算；得到融合图像λi；所述融合运算的过程如下： S21：将当前轮次i的初始图像λi-1输入到MLEM或OSEM算法中，输出更新后的迭代图像 S22：将当前轮次i的初始图像λi-1输入到一个经过训练的PET图像降噪模型中，输出降噪图像 S23：将迭代图像与初始图像λi-1相乘后，再与降噪图像相加，得到当前轮次的融合图像λi，即： S3：分别以每一轮得到的融合图像λi作为下一轮的初始图像，循环执行步骤S2的融合运算，输出多轮迭代后的融合图像λn即为所需的高精度PET图像； 其中，所述PET图像降噪模型包括图像自编码分支中的解码器，扩散网络中的降噪分支；以及一个条件分支；所述PET图像降噪模型的构建方法如下： S01：构建一个包含编码器和解码器的自编码分支； S02：利用自编码分支与一个经典的扩散模型连接构成一个可用于学习PET图像在潜在空间中的噪声特征的潜在扩散模型； 所述潜在扩散模型中，所述编码器的输出作为所述扩散模型中扩散分支的输入；所述扩散模型中降噪分支的输出作为所述解码器的输入； S03：构建一个包含一个卷积层和三个CTFBlock的条件分支；所述条件分支用于根据原始PET图像生成一个对应的条件特征图y5； S04：将所述条件分支与所述潜在扩散模型结合，以将所述条件分支输出的所述条件特征图y5分别与扩散模型中降噪分支每次降噪前的特征图像连接起来； S05：获取大量高精度的PET图像，并构建所需的原始数据集，利用原始数据集对上步骤构建的网络模型进行两阶段训练； S06：保留完成训练的网络模型中解码器、降噪分支和条件分支部分的模型参数，得到所需的PET图像降噪模型。

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安徽大学，其通讯地址为：230601 安徽省合肥市经济技术开发区九龙路111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。