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！

龙图腾网获悉哈尔滨工业大学申请的专利一种基于对抗概率扩散模型的医学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：CN118247374B 。

龙图腾网通过国家知识产权局官网在2025-05-16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：202410414616.7，技术领域涉及：G06T11/00；该发明授权一种基于对抗概率扩散模型的医学图像生成方法是由骆功宁;蒋杰;李向宇;刘一凡;董庆;李钦策;袁永峰;王宽全;王玮设计研发完成，并于2024-04-08向国家知识产权局提交的专利申请。

本一种基于对抗概率扩散模型的医学图像生成方法在说明书摘要公布了：一种基于对抗概率扩散模型的医学图像生成方法，它属于图像生成技术领域。本发明解决了现有医学图像生成方法存在的生成图像效率低、清晰度低以及无法确保真实性的问题。本发明具体为：步骤S1、分别统计每张患病医学图像中病灶区域所占的像素数量；步骤S2、分别为每张患病医学图像生成病灶区域所占像素数量的变化序列；步骤S3、构建医学图像生成模型，利用各张患病医学图像以及为各张患病医学图像生成的病灶区域所占像素数量变化序列对医学图像生成模型进行训练；步骤S4、将健康医学图像作为训练好的医学图像生成模型的对抗概率扩散模块的输入，生成患病医学图像。本发明可以应用于图像生成技术领域。

本发明授权一种基于对抗概率扩散模型的医学图像生成方法在权利要求书中公布了：1.一种基于对抗概率扩散模型的医学图像生成方法，其特征在于，所述方法具体包括以下步骤：步骤S1、对各张患病医学图像分别进行预处理，即分别统计每张患病医学图像中病灶区域所占的像素数量；步骤S2、对于步骤S1中的任意一张患病医学图像x0，将该张患病医学图像中病灶区域所占像素数量记为C'0，并为该张患病医学图像生成病灶区域所占像素数量的变化序列”'C＝{C1,…,Ct,…,CT}；同理，分别对每张患病医学图像进行处理，即为每张患病医学图像分别生成病灶区域所占像素数量的变化序列；步骤S3、构建包括对抗概率扩散模块、分割网络和分类器的医学图像生成模型，利用各张患病医学图像以及为各张患病医学图像生成的病灶区域所占像素数量变化序列对医学图像生成模型进行训练；所述医学图像生成模型的训练过程为：步骤S301、对于患病医学图像x0，将患病医学图像x0和C'1作为医学图像生成模型的对抗概率扩散模块的输入；步骤S302、在对抗概率扩散模块内，将患病医学图像x0作为加噪单元的输入，得到加噪单元输出的噪声图像再将噪声图像作为噪声解码器Mdecoder的输入，通过噪声解码器Mdecoder生成医学图像x1；并将医学图像x1和真实患病医学图像x作为鉴别器的输入，x∈X，X为真实患病医学图像集，鉴别器采用的损失函数为将医学图像x1作为图像编码器Mencoder的输入，通过图像编码器Mencoder输出编码图像利用编码图像和噪声图像计算分布损失将生成的编码图像作为去噪单元的输入，通过去噪单元生成对x0的还原图像，将还原出来的图像记为x'0；利用还原的图像x'0和患病医学图像x0计算重建损失步骤S303、将医学图像x1作为分割网络Mseg的输入，通过分割网络Mseg输出医学图像x1的病灶分割结果S1，分割网络Mseg采用的损失函数为步骤S304、将病灶分割结果S1作为医学图像x1的标签，再将带标签的医学图像x1和C'2作为对抗概率扩散模块的输入，并返回执行步骤S302的过程；以此类推，直至得到对抗概率扩散模块输出的医学图像xT以及分割网络输出医学图像xT对应的标签；将医学图像xT作为分类器的输入，通过分类器输出的分类结果计算分类器损失函数；步骤S305、同理，对每个患病医学图像同时执行步骤S201至步骤S204；步骤S4、将健康医学图像作为训练好的医学图像生成模型的对抗概率扩散模块的输入，输入的健康医学图像在对抗概率扩散模块内反向传输，生成患病医学图像。

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哈尔滨工业大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92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”。