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！

龙图腾网恭喜上海全景医学影像诊断中心有限公司申请的专利一种基于深度学习的一体化PET/MR的器官配准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：CN119963614B 。

龙图腾网通过国家知识产权局官网在2025-06-20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：202510422059.8，技术领域涉及：G06T7/33；该发明授权一种基于深度学习的一体化PET/MR的器官配准系统是由冯刚;高欣;彭莉玲;孙明祥;彭思思设计研发完成，并于2025-04-07向国家知识产权局提交的专利申请。

本一种基于深度学习的一体化PET/MR的器官配准系统在说明书摘要公布了：本发明公开了一种基于深度学习的一体化PETMR的器官配准系统，包括图像采集模块、图像去噪模块、图像重建模块和器官配准模块。本发明属于图像处理技术领域，具体是指一种基于深度学习的一体化PETMR的器官配准系统，本方案过定义不同噪声强度的低剂量PETMR图像，引入噪声适应性模块，提高低剂量PETMR图像的质量，引入自适应纹理匹配损失构建适应性强的去噪模块，确保器官配准的精度与高效；结合自适应融合权重，在不同层次上进行多尺度的特征融合，优化局部细节；引入分层神经结构搜索提升配准系统在不同类型的PETMR图像的配准精度；基于临近对比损失优化重建结构，提高后续配准效率。

本发明授权一种基于深度学习的一体化PET/MR的器官配准系统在权利要求书中公布了：1.一种基于深度学习的一体化PETMR的器官配准系统，其特征在于：系统包括图像采集模块、图像去噪模块、图像重建模块和器官配准模块；所述图像采集模块采集历史PETMR器官配准图像数据；所述图像去噪模块通过设计噪声建模、适应性记忆单元、生成对抗网络和多种损失函数，结合编码器、解码器和自注意力机制，优化低剂量PETMR图像的去噪效果，确保在训练集和测试集上的损失收敛，最终实现高质量图像重建；所述图像重建模块通过使用全局-局部设计的生成器网络，结合Transformer和CNN模块，进行低剂量PETMR图像的去噪和重建，并通过多尺度融合、分层神经结构搜索和感知损失，生成高质量的图像，并确保训练和测试集的损失收敛，完成图像重建任务；所述器官配准模块通过结合变分自动编码器和U-Net网络，学习并预测形变场，实现PET和MR图像的精确空间对齐，确保两种模态图像的高效配准；所述图像去噪模块包括噪声建模单元，定义不同噪声强度的低剂量PETMR图像，表示为：；常规剂量PETMR图像与低剂量PETMR图像之间的关系表示为：；基于图像的和划分阈值将低剂量PETMR图像划分为高噪声和低噪声；基于映射生成常规剂量PETMR图像的去噪图像，表示为：；其中，Pi是第i个像素位置的信号强度，i是像素位置索引；是信号强度的初始值；Ti是衰减系数；Ei是背景噪声；N{·}是一个零均值和单位方差的正态分布随机过程；ILD是低剂量PETMR图像；B·是反投影操作；TND是常规剂量PETMR投影图像；TN是噪声项；G·是生成去噪图像的映射函数；IND是常规剂量PETMR图像；所述图像重建模块具体包括以下内容：全局-局部设计单元；图像重建模块采用生成器网络，其中包含多个重建块，每个重建块由全局Transformer模块和局部CNN模块构成，生成器的输入是去噪后的低剂量PETMR图像，输出为重建后的图像；全局Transformer模块表示为：；局部CNN模块表示为：；；其中，是全局Transformer模块操作；Q、K和V分别是输入的查询矩阵、键矩阵和值矩阵，通过对去噪后的低剂量PETMR图像进行特征映射得到；D是特征维度；Pi3和Pj3是局部CNN模块中的计算节点，是PETMR图像的特征表示；是节点间的池化操作；C是局部CNN模块的输出；Concat·是连接操作；P1、P2和P3是局部CNN模块中的三个计算节点的输出特征；i3和j3是节点索引；分层神经结构搜索单元；在高层次搜索阶段，确定全局Transformer模块和局部CNN模块的分布，引入自适应融合权重，通过加权组合得到重建块的输出；在低层次搜索阶段，引入多尺度融合操作，分别优化全局Transformer模块和局部CNN模块的内部结构；高层次搜索表示为：；；；；；低层次搜索表示为：；其中，和分别是第i4个重建块和第i4-1个重建块的输出；和分别是全局Transformer模块和局部CNN模块的自适应融合权重；和分别是全局Transformer模块和局部CNN模块的参数矩阵；exp·是指数函数；和是特征统计量；分别表示全局特征和局部特征的均值计算；是多尺度融合的特征输出；S1是不同尺度的特征集合；是在尺度s上进行特征提取的操作；重建损失函数设计单元；引入感知损失和临近对比损失，感知损失表示为：；临近对比损失表示为：；得到重建损失函数，表示为：；其中，α和β是感知损失和临近对比损失的权重；是特征层感知损失的权重，l是特征层索引；是特征提取函数，基于预训练网络在第l层进行特征提取；SZF是欠采样的PETMR图像；是L2范数的平方；SGTu和SGTr分别是目标图像第u个位置和第r个位置的像素值，目标图像是高质量PETMR图像；和是重建权重；和分别是重建的图像在第u个位置和第r个位置的像素值；重建模块判定单元；预先对去噪后的低剂量PETMR图像划分重建训练集和重建测试集；当重建损失对重建训练集损失收敛时并对重建测试集达到预期效果时，重建模块建立完成。

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上海全景医学影像诊断中心有限公司，其通讯地址为：200233 上海市徐汇区桂林路406号8号楼B1层、一层、二层、三层301-305室、五层；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”。