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！

龙图腾网恭喜浙江工业大学申请的专利基于跨子网同层稠密连接的深度级联网络的快速磁共振成像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：CN115035080B 。

龙图腾网通过国家知识产权局官网在2025-05-27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：202210718538.0，技术领域涉及：G06T7/00；该发明授权基于跨子网同层稠密连接的深度级联网络的快速磁共振成像方法是由李小薪;陈志杰;方怡;郑希雨;周乾伟;胡海根设计研发完成，并于2022-06-16向国家知识产权局提交的专利申请。

本基于跨子网同层稠密连接的深度级联网络的快速磁共振成像方法在说明书摘要公布了：一种基于跨子网同层稠密连接的深度级联网络的快速磁共振成像MagneticResonanceImaging，MRI方法，该方法充分利用参考模态中丰富的细节信息辅助重建目标模态中的缺失信息：首先，采用深度级联网络结构，将多个MRI重建子网级联起来，使得用户输入的参考模态和目标模态数据可以多次直接参与网络的辅助重建；其次，在各子网内部加入了“同层稠密连接”，以加强各子网络间的特征流动，避免学习冗余特征；最后，在各个子网的末端加入了k空间集成学习模块，以更有效地利用参考模态的频域数据和各个子网的重建结果进行MRI重建。相比于已有的MRI辅助重建方法，本发明所提供的方法达到了更好的重构效果，具有很强的实用性。

本发明授权基于跨子网同层稠密连接的深度级联网络的快速磁共振成像方法在权利要求书中公布了：1.一种基于跨子网同层稠密连接的深度级联网络的快速磁共振成像方法，其特征在于，所述方法包括以下步骤：步骤1输入目标模态的u倍欠采样的k空间MRI数据以及参考模态的全采样的k空间MRI数据这里，表示k空间域，步骤2将yu和y′映射到图像域中：这里，F-1为逆傅里叶变换矩阵，Mu∈{0,1}M×N表示对目标模态的全采样k空间MRI数据y进行u倍欠采样的掩码矩阵；步骤3由基于跨子网同层稠密连接的深度级联网络模型fRec·；Θ重构目标的MRI图像所述步骤3中，基于跨子网同层稠密连接的深度级联网络fRec·；Θ由T个子网{f1·；Θ1,f2·；Θ2,…,fT·；ΘT}级联组成，这里，Θ＝{Θ1,Θ2,…,ΘT}为fRec的参数集，Θt为子网ft的参数集，令表示子网ft-1的输出，ft递归定义如下： 公式1中的x′＝F-1y′，cat·,·,…表示在通道方向上的特征拼接操作，iCNNt表示子网ft在图像域中的卷积模块，为iCNNt的参数集，iCNNt由D个卷积层{convt,1,convt,2,…,convt,D}构成，除了convt,1之外，其它卷积层都使用了同层稠密连接，具体的，convt,d+1定义如下： 其中，Ht,d为convt,d输出的特征图，表示卷积运算，σ·为激活函数，l＝mint-1,δ-1，1δ≤T为预先设定的最大同层稠密连接数，表示convt,d+1的参数集；公式2中的DC表示数据一致性层，为目标模态的k空间采样位置的索引，DC层定义如下： 其中，[i,j]表示k空间中的具体位置，公式3中的kELt定义如下： 其中，WS·计算中元素的加权和，wt为权重参数，为k空间卷积模块kCNNt的参数集，kCNNt由三个卷积层组成，且每个卷积层的配置与公式4中convt,d+1的配置相同。

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浙江工业大学，其通讯地址为：310014 浙江省杭州市拱墅区潮王路18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”。