買(mǎi)專(zhuān)利賣(mài)專(zhuān)利找龍圖騰，真高效！ 查專(zhuān)利查商標(biāo)用IPTOP,全免費(fèi)！專(zhuān)利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉南京郵電大學(xué)申請(qǐng)的專(zhuān)利一種基于Gabor濾波的深度學(xué)習(xí)醫(yī)學(xué)圖像去噪方法獲國(guó)家發(fā)明授權(quán)專(zhuān)利權(quán)，本發(fā)明授權(quán)專(zhuān)利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN115546044B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-09發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專(zhuān)利申請(qǐng)?zhí)?專(zhuān)利號(hào)為：202210580322.2，技術(shù)領(lǐng)域涉及：G06T5/70；該發(fā)明授權(quán)一種基于Gabor濾波的深度學(xué)習(xí)醫(yī)學(xué)圖像去噪方法是由朱虎;姜志超;鄧麗珍設(shè)計(jì)研發(fā)完成，并于2022-05-26向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專(zhuān)利申請(qǐng)。

本一種基于Gabor濾波的深度學(xué)習(xí)醫(yī)學(xué)圖像去噪方法在說(shuō)明書(shū)摘要公布了：本發(fā)明公開(kāi)了一種基于Gabor濾波的深度學(xué)習(xí)醫(yī)學(xué)圖像去噪方法，本發(fā)明的方法提出了一種包含Transformer與Gabor濾波的醫(yī)學(xué)圖像去噪模型BGFormer，利用使用變分貝葉斯方法推理的Gabor濾波來(lái)代替?zhèn)鹘y(tǒng)卷積增強(qiáng)了邊緣檢測(cè)的能力。加上局部增強(qiáng)窗口LeWinTransform模塊構(gòu)造的編碼?解碼網(wǎng)絡(luò)與跳層連接結(jié)構(gòu)，在獲取局部上下文的同時(shí)，能顯著降低高分辨率特征圖的計(jì)算復(fù)雜度。本發(fā)明提出的方法與之前的基于深度學(xué)習(xí)的針對(duì)醫(yī)學(xué)圖像方向的去噪算法相比，在峰值信噪比PSNR，均方根誤差RMSE，結(jié)構(gòu)相似性SSIM指標(biāo)上也展示了更加先進(jìn)的性能。

本發(fā)明授權(quán)一種基于Gabor濾波的深度學(xué)習(xí)醫(yī)學(xué)圖像去噪方法在權(quán)利要求書(shū)中公布了：1.一種基于Gabor濾波的深度學(xué)習(xí)醫(yī)學(xué)圖像去噪方法，其特征在于：包括如下步驟： 步驟1，使用Pydicom庫(kù)將CT圖像像素?cái)?shù)據(jù)從Dicom文件提取到NumPy數(shù)組，并對(duì)圖像進(jìn)行歸一化處理； 步驟2，構(gòu)建包含局部增強(qiáng)窗口transformer與BayesGabor的基礎(chǔ)模塊； 步驟3：對(duì)基礎(chǔ)模塊進(jìn)行加工作為編碼器與解碼器，通過(guò)殘差學(xué)習(xí)，對(duì)各個(gè)編碼器和解碼器進(jìn)行跳層鏈接，完成BGFormer網(wǎng)絡(luò)模型的構(gòu)建，BGFormer網(wǎng)絡(luò)模型的總體結(jié)構(gòu)是一個(gè)在編碼器和解碼器之間有跳躍連接的u形層次網(wǎng)絡(luò)，在每個(gè)編碼器和解碼器階段，卷積特征映射通過(guò)一個(gè)局部增強(qiáng)窗口Transfomer塊傳遞，編碼器為兩個(gè)階段，具體包括兩個(gè)拼接的LB2D組件，每個(gè)LB2D組件均包括LeWinTransformer、BayesGabor濾波器與傳統(tǒng)卷積層，所述解碼器包含兩個(gè)階段，每個(gè)階段經(jīng)過(guò)上采樣操作后與LB2D跳層連接而來(lái)的低層特征進(jìn)行拼接后并入BayesGabor濾波器，提取高級(jí)特征，并進(jìn)入LeWinTransformer中進(jìn)行圖像恢復(fù)； 步驟4：以CT低劑量圖像為輸入，對(duì)應(yīng)的高劑量圖像為標(biāo)簽，混合Totalvariationloss為損失函數(shù)對(duì)BGFormer網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到訓(xùn)練好的網(wǎng)絡(luò)模型； 步驟5：將結(jié)構(gòu)類(lèi)似的需要重建的低劑量圖像作為輸入，經(jīng)過(guò)網(wǎng)絡(luò)輸出得到重建的清晰圖像。

如需購(gòu)買(mǎi)、轉(zhuǎn)讓、實(shí)施、許可或投資類(lèi)似專(zhuān)利技術(shù)，可聯(lián)系本專(zhuān)利的申請(qǐng)人或?qū)＠麢?quán)人南京郵電大學(xué)，其通訊地址為：210003 江蘇省南京市鼓樓區(qū)新模范馬路66號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話(huà)0551-65771310或微信搜索“龍圖騰網(wǎng)”。