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扩散对抗模型的PET双示踪剂浓度图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：CN119417930B 。

龙图腾网通过国家知识产权局官网在2025-05-06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：202510012286.3，技术领域涉及：G06T11/00；该发明授权一种基于扩散对抗模型的PET双示踪剂浓度图生成方法是由刘华锋;余宸纬;郭敏设计研发完成，并于2025-01-06向国家知识产权局提交的专利申请。

本一种基于扩散对抗模型的PET双示踪剂浓度图生成方法在说明书摘要公布了：本发明公开了一种基于扩散对抗模型的PET双示踪剂浓度图生成方法，使用条件GAN对扩散模型中的每个去噪步骤进行建模，并引入配对损失和循环一致损失，以生成高质量的PET双示踪剂浓度图。通过结合扩散模型的逐步优化机制和对抗生成网络的全局特性，有效解决了生成速度慢和图像质量不足的问题，实现了生成速度与质量的平衡，为多示踪剂浓度图的快速生成提供了有效手段。通过扩散过程的逐步优化机制，使生成的浓度图在结构细节上具有较高的保真度，能够真实反映多示踪剂的分布特征。该机制有效解决了现有技术中生成图像细节丢失的问题，实现了对多示踪剂分布特征的准确生成。

本发明授权一种基于扩散对抗模型的PET双示踪剂浓度图生成方法在权利要求书中公布了：1.一种基于扩散对抗模型的PET双示踪剂浓度图生成方法，其特征在于，包括如下步骤：1分别对注射了放射性示踪剂A和放射性示踪剂B的相同生物组织体模进行扫描，采集获得示踪剂A和示踪剂B的放射性浓度图，并将获得的放射性浓度图分别构成放射性浓度分布数据集X和数据集Y，其中数据集X包含示踪剂A的浓度图，数据集Y包含示踪剂B的浓度图；2将上述获得的示踪剂A和示踪剂B的放射性浓度图进行配对，相同生物组织体模的两种示踪剂放射性浓度图作为一组配对训练数据，把所有配对数据分为训练集、验证集、测试集；3构建扩散模型，包括：前向扩散：对原始的示踪剂浓度图逐步加入高斯噪声，形成噪声图像；反向去噪：对所述噪声图像进行去噪操作，将所述噪声图像恢复成示踪剂浓度图；4构建扩散对抗模型及设计其中的损失函数，扩散对抗模型包括生成器Gx→y、生成器Gy→x、判别器Dx、判别器Dy，并引入配对损失和循环一致损失；所述的生成器Gx→y接收yt、x0、潜在变量z和时间步t，生成目标示踪剂域Y的图像y′0，再使用后验分布qyt-1|yt，y′0计算预测样本y′t-1，生成器Gy→x接收xt、y0、z和t，生成目标示踪剂域X的图像x′0，并通过qxt-1|xt,x′0计算预测样本x′t-1，判别器Dx用于判断生成的浓度图是否符合示踪剂域X图像的分布特征，判别器Dy用于判断生成的浓度图是否符合示踪剂域Y图像的分布特征，潜在变量z是一个高维标准正态分布向量；扩散对抗模型的损失函数Ltotal包括配对损失Lrec、对抗损失Ladv、循环一致损失Lcyc三部分，具体如下：Ltotal＝αrecLrec+αadvLadv+αcycLcyc；其中，arec、αadv和αcyc分别是配对损失、对抗损失和循环一致性损失的加权系数；所述的配对损失Lrec具体为： 其中xt表示示踪剂A浓度图在第t步的加噪图像，yt表示示踪剂B浓度图在第t步的加噪图像，x0表示示踪剂A的干净浓度图，y0表示示踪剂B的干净浓度图，z是潜在变量，时间步t通过正弦位置嵌入进行编码，以确保与生成器中时间条件的一致性，||||1表示L1损失；所述的对抗损失Ladv具体为： 其中x0表示示踪剂A的干净浓度图，y0表示示踪剂B的干净浓度图，xt表示示踪剂A浓度图x0在第t步的加噪图像，yt表示示踪剂B浓度图在第t步的加噪图像，xt-1表示示踪剂A浓度图在第t-1步的加噪图像，yt-1表示示踪剂B浓度图y0在第t-1步的噪声图像，x′t-1是通过Gy→xxt，y0；z，t生成的输出x′0，并进一步通过后验分布采样得到的假样本，y′t-1是通过Gx→yyt，x0；z，t生成的输出y′0，并进一步通过后验分布采样得到的假样本，z是潜在变量，时间步t通过正弦位置嵌入进行编码，以确保时间信息的一致性；所述的循环一致性损失Lcyc定义如下： 其中， 其中x0表示示踪剂A的干净浓度图，y0表示示踪剂B的干净浓度图，xt表示示踪剂A浓度图x0在第t步的加噪图像，yt表示示踪剂B浓度图在第t步的加噪图像，z是潜在变量，时间步t通过正弦位置嵌入进行编码，以确保时间信息的一致性，||||1表示L1损失；5将训练集中的配对放射性浓度图输入扩散对抗模型进行训练，获得训练好的扩散对抗模型；6对于训练好的扩散对抗模型，其中的生成器Gx→y负责将示踪剂A放射性浓度分布数据集X中的图像x0转换成符合示踪剂B放射性浓度分布数据集Y分布的图像y′0，通过步骤3中的反向去噪，实现每一步的去噪采样，最后获得符合示踪剂B放射性浓度分布数据集Y分布的浓度图，而生成器Gy→x负责将示踪剂B放射性浓度分布数据集Y中的图像y0转换成符合示踪剂A放射性浓度分布数据集X分布的图像x′0，然后通过步骤3中的反向去噪，实现每一步的去噪采样，最后获得符合示踪剂域A放射性浓度分布数据集X分布的浓度图。

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”。