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！

龙图腾网恭喜南京信息工程大学申请的专利一种基于贝叶斯神经架构搜索的跨模态医学图像配准方法及系统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：CN119205863B 。

龙图腾网通过国家知识产权局官网在2025-04-25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：202411711036.0，技术领域涉及：G06T7/33；该发明授权一种基于贝叶斯神经架构搜索的跨模态医学图像配准方法及系统是由李含贝;张余;左强设计研发完成，并于2024-11-27向国家知识产权局提交的专利申请。

本一种基于贝叶斯神经架构搜索的跨模态医学图像配准方法及系统在说明书摘要公布了：本发明公开了一种基于贝叶斯神经架构搜索的跨模态医学图像配准方法及系统，包括：数据预处理模块、搜索空间模块和贝叶斯优化模块；数据预处理模块获取目标跨模态医学图像配准任务的图像数据并进行图像去噪、对比度调整和刚性配准；搜索空间模块设计一个含特征自适应融合块的全卷积双U形参数化神经架构搜索空间；贝叶斯优化模块利用损失函数和验证指标，在搜索空间的约束下，构建模态自适应配准网络架构设计的最优化问题，并采用贝叶斯优化求解，获得最优网络架构。本发明针对目标配准任务的模态特点，生成一种以最小偏差提取与融合跨模态图像特征的自适应网络架构，无需人工干预即可自动优化，适用于跨模态医学图像配准，实现配准性能显著提升。

本发明授权一种基于贝叶斯神经架构搜索的跨模态医学图像配准方法及系统在权利要求书中公布了：1.一种基于贝叶斯神经架构搜索的跨模态医学图像配准方法，其特征在于，包括如下步骤：步骤1、获取目标跨模态医学图像配准任务的图像数据并进行预处理；步骤2、设计一个含特征自适应融合块的全卷积双U形参数化神经架构搜索空间；步骤3、构建训练神经网络的损失函数；步骤4、确立验证神经网络性能的验证指标；步骤5、根据步骤2中的搜索空间、步骤3中的损失函数和步骤4中的验证指标构建模态自适应配准网络架构设计的最优化问题；步骤6、利用贝叶斯优化求解步骤5中的最优化问题，获得最优网络架构；具体包括如下步骤：步骤61、初始化；对神经网络架构参数随机采样次，得到一组初始观测点样本，其中每个观测点样本对应的神经网络用步骤3中的损失函数训练，然后获取其准确度损失，从而形成初始观测集；步骤62、构造代理模型；定义一个后验概率分布：其中表示一个阈值，由一定分位数确定，其中表示概率，将观测集中的网络架构参数划分为优势集和劣势集，采用核密度估计分别从优势集和劣势集中估计出和：其中为高斯核函数；步骤63、构造采集函数EI：其中用于返回两个数中的最大值，表示输入的数学期望；步骤64、最大化采集函数EI；通过步骤62中的核密度估计计算出当前观测空间对应的和，然后在上随机采样次，获得个候选参数；然后，将候选参数带入和算出每个候选参数对应的即，最后从中选取数值最大元素对应的网络架构参数即为下一个次迭代的新观测点；步骤65、将新观测点纳入观测集并更新概率分布，经过对概率分布的不断迭代更新最终获得最优的神经网络架构参数。

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南京信息工程大学，其通讯地址为：210044 江苏省南京市江北新区宁六路219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”。