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！

龙图腾网恭喜浙江大学申请的专利一种基于字典学习思想无衰减校正的PET重建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：CN114926559B 。

龙图腾网通过国家知识产权局官网在2025-06-03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：202210500284.5，技术领域涉及：G06T11/00；该发明授权一种基于字典学习思想无衰减校正的PET重建方法是由刘华锋;赵林林设计研发完成，并于2022-05-09向国家知识产权局提交的专利申请。

本一种基于字典学习思想无衰减校正的PET重建方法在说明书摘要公布了：本发明公开了一种基于字典学习思想无衰减校正的PET重建方法，实现了重构矩阵和PET图像和联合估计。本发明基于全连接层和卷积模块构建了网络框架，全连接用来更新重构矩阵，卷积模块用来更新PET图像，重构矩阵和PET图像的迭代更新能够实现图像的去噪和衰减补偿。本发明不需要额外的CT或MR扫描，也不需要对测量数据进行衰减校正，就可以实现从sinogram到PET图像的映射。此外，本发明在重建时不需要使用PET系统的系统矩阵，避免了由于系统矩阵不准确带来的重建误差。相比于同类方法，本发明的重建速度更快，且能够得到重建质量更高的PET图像。

本发明授权一种基于字典学习思想无衰减校正的PET重建方法在权利要求书中公布了：1.一种基于字典学习思想无衰减校正的PET重建方法，包括如下步骤：1对注入有放射性示踪剂的生物组织进行CT图像采集，将CT图像各ROI中的CT值转换为511KeV能量下的衰减系数，从而生成衰减图；2利用示踪剂在各ROI的动力学参数分布以及示踪剂的半衰期，确定示踪剂在各ROI的PET浓度分布，从而仿真得到PET图像；3根据PET成像模型结合衰减图，采集有衰减效应条件下PET系统对上述生物组织扫描得到的sinogram数据；4使采集得到的sinogram数据以及仿真得到的PET图像组成作为一组样本，根据步骤1～3重复执行多次以得到大量样本，进而将所有样本分为训练集、测试集和验证集；5构建重构矩阵和PET图像联合重建的网络模型，其由全连接层和卷积神经网络CNN连接组成，其中全连接层用于模拟重构矩阵，将输入数据从正弦图域转换至PET图像域，CNN用于对图像去噪并实现衰减补偿；6将训练集样本中的sinogram数据作为模型输入，训练集样本中的PET图像作为模型输出对应的真值标签，对网络模型进行训练，训练完成后的模型用于对无衰减校正的sinogram数据进行PET重建；7利用测试集样本对训练完成后模型的重建性能进行评估。

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大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。