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！

龙图腾网恭喜江苏科技大学申请的专利一种基于UNet-GAN网络的肺炎CT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：CN114049939B 。

龙图腾网通过国家知识产权局官网在2025-04-04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：202111415446.7，技术领域涉及：G16H30/40；该发明授权一种基于UNet-GAN网络的肺炎CT图像生成方法是由王家晨;刘昱杉;者甜甜;张鸿鑫;赵新旭;刘庆华设计研发完成，并于2021-11-25向国家知识产权局提交的专利申请。

本一种基于UNet-GAN网络的肺炎CT图像生成方法在说明书摘要公布了：本发明公开了一种基于UNet‑GAN网络的肺炎CT图像生成方法。属于计算机视觉技术领域，本发明中生成式对抗网络包括生成器和判别器两个主体；首先使用现有新型冠状病毒感染公开数据集图像，并对数据集进行预处理操作；其次建立U‑Net和DCGAN联合的卷积神经网络，改进后的U‑Net嵌入DCGAN的生成器部分，实现真实图像分析再生成的过程，DCGAN中的判别结构实现网络判别真实图像与生成图像的过程；然后将训练数据输入搭建的生成对抗网络，使模型能够产生与真实图片相似的高质量图像；最后将真实图像输入训练好的网络，得到所需的肺炎CT图像。本发明新生成的图像能够更清晰的保留样本图像中小目标的特征信息，提升图像生成质量和网络收敛速度，为广大网络模型训练提供数据。

本发明授权一种基于UNet-GAN网络的肺炎CT图像生成方法在权利要求书中公布了：1.一种基于UNet-GAN网络的肺炎CT图像生成方法，其特征在于，具体操作步骤如下：1、使用现有新型冠状病毒感染公开数据集图像，并对数据集进行预处理操作；具体是：首先，对图像进行平移、裁剪、旋转及翻转扩充数据样本；然后，对样本进行灰度处理及图像锐化，从而增强图像中病灶明暗对比度；2、根据改进的U-Net和GAN网络结构搭建训练模型；其中，GAN网络结构中的生成器模型采用改进的U-Net网络，对U-Net添加残差结构和多尺度特征融合；网络结构中的判别器模型包括五层卷积层和一个全局池化层，尺度大小顺次为三个5*5，两个3*3卷积层，最后一层的输出结果是尺度为1*1的一个概率值；所述对U-Net添加残差结构是：改进的U-Net网络下采样是一个的标准块和三个残差块连接的结构，所述标准块是由两个3*3的卷积核叠加而成，残差块是在一个3*3卷积核的两侧各添加一个1*1大小的卷积核，并在输入端和输出端连接一个1*1的卷积核；上采样是由两个残差块和一个标准块构成；具体的，搭建GAN网络，使用残差结构，U-Net网络的下采样由一个的标准块和三个残差块组成，标准块是由两个3*3的卷积核叠加而成，残差块是在一个3*3卷积核的两侧各添加一个1*1大小的卷积核的基础上，在输入端和输出端连接一个1*1的卷积核；上采样是由两个残差块和一个标准块构成；残差块由原来的两个3*3卷积核叠加变换为在一个3*3卷积核的两侧各添加一个1*1大小的卷积核，并在输入端和输出端连接一个1*1的卷积核；所述添加的多尺度特征融合是：生成器模型将上采样、下采样过程中对应尺度的特征图跳跃连接，并对前三个卷积层的输出特征图进行上采样，步长分别为1，2，4的分数卷积，与最后一层反卷积得到的特征图进行融合；具体的，使用多尺度特征融合将网络标准块和前两个残差块的输出特征图进行分数卷积上采样，分别采用步长为为1，2，4的反卷积，然后与最后一层标准块输出的特征图进行融合，这样图像的浅层特征信息得以保留，局部信息与深层学习到的全局信息得以融合；3、训练生成对抗网络模型，将肺炎CT图像分批次送入搭建好的模型，并设置参数，生成质量多样性不同的数据；具体是：设置网络训练批量处理数为20，初始学习率为0.0004，动量优化值为0.8，迭代次数为10000；4、将肺炎真实图像输入训练好的模型，最终得到生成的肺炎图像。

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江苏科技大学，其通讯地址为：212008 江苏省镇江市丹徒区长晖路666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”。