買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉西南石油大學申請的專利一種融合感知損失和密集殘差注意力卷積塊的兩階段式骨顯像降噪方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN116228699B 。

龍圖騰網通過國家知識產權局官網在2025-09-05發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202310138391.2，技術領域涉及：G06T5/70；該發明授權一種融合感知損失和密集殘差注意力卷積塊的兩階段式骨顯像降噪方法是由羅仁澤;余泓;羅任權;吳濤;廖波;趙丹;王清松;曹瑞;易璽設計研發完成，并于2023-02-20向國家知識產權局提交的專利申請。

本一種融合感知損失和密集殘差注意力卷積塊的兩階段式骨顯像降噪方法在說明書摘要公布了：本發明公開了一種融合感知損失和密集殘差注意力卷積塊的兩階段式骨顯像降噪方法，針對骨顯像信噪比、分辨率較低，影響醫生診斷以及病灶自動檢測效果的問題。以密集殘差注意力卷積塊為基本卷積單位，提出了結合密集殘差注意力卷積塊的兩階段式骨顯像降噪網絡，首先通過噪聲估計網絡估計骨顯像的噪聲水平，然后采用設計的主干降噪網絡得到降噪后的骨顯像，最后利用融合感知損失混合損失函數優化骨顯像降噪效果。本發明公開的骨顯像去噪方法，在有效降低骨顯像噪聲的同時，也能夠保留骨顯像的病灶細節特征。

本發明授權一種融合感知損失和密集殘差注意力卷積塊的兩階段式骨顯像降噪方法在權利要求書中公布了：1.一種融合感知損失和密集殘差注意力卷積塊的兩階段式骨顯像降噪方法，其特征在于包括以下步驟： 步驟1：對骨顯像進行預處理，具體處理方式為： 1對骨顯像進行歸一化，將原始骨顯像文件轉化為可見灰度圖像； 2往骨顯像中加入不同水平的泊松噪聲，并將圖像調至N×N像素大小，N為正整數； 3將預處理后的骨顯像數據集劃分為訓練集和測試集； 步驟2：構建密集殘差注意力卷積塊，整個密集殘差注意力卷積塊由1×1、3×3卷積、ReLU激活函數和協調注意力機制構成，卷積塊的計算結構如下： x1＝σConv3×3xin x2＝σConv1×1concatx1,xin x3＝σConv3×3x2 xout＝CAxin+x3+x2 式中：xin表示輸入卷積塊的骨顯像，xout表示經過密集殘差注意力卷積塊計算后的骨顯像，即的骨顯像特征圖；σ表示進行BN批量歸一化和ReLU非線性變換；Conv3×3·、Conv1×1·分別表示3×3卷積與1×1卷積運算；concat表示特征拼接，設x1為c1×h×w、xin為c2×h×w，則concatx1,xin的計算結果為c1+c2×h×w；CA代表協調注意力機制，設兩個輸入特征的大小均為c×h×w，其計算流程如下： 式中：c表示通道數；h表示高度；w表示寬度；xch,i表示通道為c、高為h時，第i個像素點；xcj,w表示通道為c、寬為w時，第j個像素點；表示在通道c中，對高度h的第w行特征信息求和并取平均；計算方法同理； 式中：F1·表示特征拼接后，進行1×1卷積運算；δ·表示非線性變換，即批量歸一化和PReLU激活函數的組合； 式中：fh、fw分別表示f沿h、w方向降維后的向量；μ·表示Sigmoid激活函數運算； 式中：xci,j表示輸入協調注意力機制的骨顯像；x'ci,j表示經過協調注意力機制計算后的骨顯像，即骨顯像特征圖； 步驟3：整體降噪模型設計為噪聲估計網絡與主干降噪網絡的兩階段式架構，由步驟2提出的密集殘差注意力卷積塊構成，一共包含2*n+m個卷積塊，n與m均為大于0的正整數，n為噪聲估計網絡中U-Net層數，m為主干降噪網絡中U-Net層數，噪聲估計網絡輸出骨顯像噪聲水平，主干降噪網絡輸出最終的降噪骨顯像； 步驟4：使用步驟1得到的訓練集對步驟3搭建好的網絡模型進行訓練，分別使用交叉熵損失和融合感知損失的混合損失函數來計算噪聲估計網絡、主干降噪網絡的輸出損失，使用Adam優化器最小化損失函數； 交叉熵損失函數計算公式為： 式中：ck代表第k張骨顯像，Pck代表真實噪聲水平，qck代表模型預測噪聲水平； 融合感知損失的混合損失函數計算公式如下： LH＝1-λLmse+λLprec,0≤λ≤1 式中：λ為常數，用于平衡兩項損失函數；Lmse表示均方誤差損失函數，用于指導模型進行逐像素級降噪；Lprec表示感知損失函數，用于對Lmse進行約束、保留骨顯像的細節特征； 均方誤差計算公式為： 式中：w、h表示骨顯像的寬、高，均為正整數；yi、xi分別代表降噪骨顯像與原骨顯像； 感知損失計算公式為： 式中：表示深度學習模型提取到的圖像特征；表示模型提取到的原骨顯像特征；表示模型提取到的降噪骨顯像特征；h表示高度；w表示寬度； 步驟5：將步驟1預處理后的測試集數據，送入步驟3搭建的網絡模型中，利用步驟4中設計的混合損失函數計算損失值，并通過峰值信噪比對模型的降噪效果進行評估，根據最優參數保存最終的網絡模型，記為EMANet模型； 峰值信噪比計算公式為： 式中：MAXI表示骨顯像中最大像素值； 步驟6：利用保存的EMANet模型輸出最后的降噪骨顯像。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人西南石油大學，其通訊地址為：610500 四川省成都市新都區新都大道8號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。