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！

龙图腾网恭喜北京理工大学重庆创新中心;北京理工大学申请的专利一种基于卷积神经网络的傅里叶叠层显微图像去噪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：CN114331911B 。

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：202210007222.0，技术领域涉及：G06T5/60；该发明授权一种基于卷积神经网络的傅里叶叠层显微图像去噪方法是由许廷发;张瑾华;李佳男;张继洲;陈毅文设计研发完成，并于2022-01-05向国家知识产权局提交的专利申请。

本一种基于卷积神经网络的傅里叶叠层显微图像去噪方法在说明书摘要公布了：本发明公开了一种基于卷积神经网络的傅里叶叠层显微图像去噪方法，包括以下步骤：S1、利用傅里叶叠层显微系统对人体血细胞样本进行成像，制作数据集；S2、搭建卷积神经网络；S3、将训练集的输入送入到卷积神经网络的编码模块、去噪模块和解码模块，利用卷积神经网络的特性，抑制噪声信息通道的表达；S4、利用L1损失函数反复迭代优化卷积神经网络，完成卷积神经网络的训练；S5、利用卷积神经网络对实际采集的傅里叶显微图像进行去噪，获得高质量重建图像。本发明结合傅里叶叠层显微系统获得的强度图和相位图，利用深度学习方法的优势，改善了传统重建算法的噪声问题，给医学高质量成像提供了一种准确科学的算法。

本发明授权一种基于卷积神经网络的傅里叶叠层显微图像去噪方法在权利要求书中公布了：1.一种基于卷积神经网络的傅里叶叠层显微图像去噪方法，其特征在于，包括以下步骤：S1、利用傅里叶叠层显微系统对人体血细胞样本进行成像，得到强度图和相位图并制作数据集，包括训练集和验证集；S2、搭建卷积神经网络，包括编码模块、去噪模块和解码模块；S3、将训练集的输入送入到卷积神经网络的编码模块、去噪模块和解码模块，利用卷积神经网络的特性，自动学习图像的目标信息和噪声信息，对特征图的目标信息通道赋予第一权重，对特征图的噪声信息通道赋予第二权重，从而抑制噪声信息通道的表达；S4、利用L1损失函数反复迭代优化卷积神经网络，每次迭代后，利用验证集对训练模型进行测试，采用峰值信噪比和结构相似性作为评价指标，当损失函数、峰值信噪比和结构相似性无明显变化时，完成卷积神经网络的训练；S5、利用卷积神经网络对实际采集的傅里叶显微图像进行去噪，获得高质量重建图像；所述步骤S2中编码模块由4个卷积池化块组成，对输入的图像进行特征提取和下采样；所述卷积池化块包括依次连接的1*1卷积层、批归一化层、激活函数层、3*3卷积层、批归一化层、激活函数层和最大池化层；所述步骤S2中去噪模块包括依次连接的全局平均池化层、1*1卷积层、激活函数层和1*1卷积层和激活函数层；所述步骤S2中去噪模块的输入为编码模块池化操作之前获得的不同层级的特征图，分别对不同层级的特征图进行全局池化操作，并将不同层级特征图的通道特征进行融合，融合后的通道特征信息经过卷积层和激活函数的优化，再按照不同层级特征图的通道数进行分割，分割后的通道特征信息分别对应层级的特征图进行相乘操作，实现通道特征权重重分配，从而突出信息通道的表达并抑制噪声信息的表达；所述步骤S2中解码模块由4个卷积上采样块组成，对高层级的特征图进行特征提取，并与去噪模块优化后的相同层级特征图进行融合，共同进行上采样操作，最终获得高分辨复振幅，包括强度信息和相位信息；所述卷积上采样块包括依次连接的上采样层、1*1卷积层、批归一化层、激活函数层、3*3卷积层、批归一化层和激活函数层。

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北京理工大学重庆创新中心;北京理工大学，其通讯地址为：401120 重庆市渝北区龙兴镇曙光路9号9幢；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”。