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！

龙图腾网恭喜重庆邮电大学申请的专利一种基于无监督学习的低剂量CT图像恢复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：CN114708352B 。

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：202210424881.4，技术领域涉及：G06F17/40；该发明授权一种基于无监督学习的低剂量CT图像恢复方法及系统是由李章勇;王芸;伍佳;黄志伟;秦对设计研发完成，并于2022-04-22向国家知识产权局提交的专利申请。

本一种基于无监督学习的低剂量CT图像恢复方法及系统在说明书摘要公布了：本发明属于医学图像处理技术领域，涉及一种基于无监督学习的低剂量CT图像恢复方法及系统；包括获取低剂量CT图像并采用全变分模型进行特征分解，得到基础层图像和细节层图像；对基础层图像下采样得到内容特征图像和潜在纹理层图像，分别对内容特征层图像和细节层图像进行图像增强和降噪处理，得到基础层增强图像和细节层降噪图像；将潜在纹理层图像、基础层增强图像和细节层降噪图像分段融合得到低剂量CT恢复图像；本发明将低剂量CT图像进行解耦，对低频区进行对比度增强，对高频区进行去噪，提高了整体图像质量，减少医生误诊率。

本发明授权一种基于无监督学习的低剂量CT图像恢复方法及系统在权利要求书中公布了：1.一种基于无监督学习的低剂量CT图像恢复方法，其特征在于，包括：S1.获取低剂量CT图像并归一化，采用全变分模型分解归一化图像，得到基础层图像和细节层图像；步骤S1具体包括：S11.将低剂量CT图像归一化得到归一化图像，利用全变分模型分解归一化图像得到基础层图像；S12.将归一化图像与基础层图像进行差值运算，得到细节层图像，表示为：Idetx,y＝Ix,y-Ibasex,y；其中，Ix,y表示归一化图像，Ibasex,y表示基础层图像，Idetx,y表示细节层图像；全变分模型中根据全变分原理提出的最小化能量泛函表达式为： 其中，Ibasex,y表示基础层图像，Ix,y表示归一化图像，λ为正则化参数，正则化参数计算公式为： M与N分别分别表示归一化图像的宽与高，*表示卷积操作，Ts为卷积矩阵；S2.对基础层图像进行下采样，得到内容特征层图像和潜在纹理层图像，对内容特征层图像进行图像增强得到基础层增强图像；对基础层图像的处理过程：S21.连续使用三个步长为2的卷积层，从基础层图像中提取出内容特征层图像；S22.使用一个步长为2的卷积层，从内容特征层图像中获取潜在纹理层图像；S23.对内容特征层图像进行图像增强，包括：采用索贝尔卷积算子A对内容特征层图像进行卷积运算，得到水平边缘增强图像，水平边缘增强图像和索贝尔算子A分别表示为：Gx＝Ibase1x,y*A； 采用索贝尔卷积算子B对内容特征层图像进行卷积运算，得到垂直边缘增强图像，垂直边缘增强图像和索贝尔算子B分别表示为：Gy＝Ibase1x,y*B； 融合水平边缘增强图像与垂直边缘增强图像，得到基础层增强图像，表示为： 其中，Ibase1x,y表示内容特征层图像，Ib′ase1x,y为基础层增强图像；S3.基于预训练的去噪处理器，对细节层图像进行降噪处理得到细节层降噪图像；细节层图像进行去噪处理的过程中，采用的损失函数为： 其中，Ns为细节层图像数量，Idet1＝si+ni表示低分辨率图像，表示低分辨率图像的相似的子图像；si表示干净的低剂量CT图像，ni和ni′是不同的噪声，δi是干净的低剂量CT图像间的差异；S4.将潜在纹理层图像、基础层增强图像和细节层降噪图像分段融合得到低剂量CT恢复图像。

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重庆邮电大学，其通讯地址为：400065 重庆市南岸区南山街道崇文路2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”。