基于条件深度残差补偿的PET图像部分容积校正方法(高校公示15天)(不包年费滞纳金)(需要二变)
本发明公开了一种基于条件深度残差补偿的PET图像部分容积校正方法,该方法通过条件神经盲去卷积网络预测模糊核先验,并结合条件深度残差补偿网络,对PET图像的部分容积效应(PVE)进行部分容积校正(PVC)。该方法利用患者的解剖MR先验图像和随机生成的高斯模糊核作为条件神经盲去卷积网络的输入进行模糊核估计,并通过条件深度残差补偿网络对模糊核估计不准确产生的误差进行补偿。本发明充分利用多模态数据的潜在互补信息,考虑了模糊核预测不准确对PVC结果的影响,从而提升了神经网络PVC的有效性与鲁棒性。该方法显著提高了PET图像定量分析的准确性,尤其是脑部PET图像的精确分析。
《基于条件深度残差补偿的PET图像部分容积校正方法(高校公示15天)(不包年费滞纳金)(需要二变)》是一发明专利,专利号为 2024118371315,当前法律状态为已下证,由浙江工业大学提出申请,发明人为崔佳楠;吴建凯,申请日期为2024-12-13,公开(公告)日期为2025-10-10,国际专利分类号(IPC)为 G06T 5/60 (2024.01),高新资质:未报高企。该专利已下发证书,权利稳定,适合直接办理转让过户,是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更(过户)的一站式专利转让服务,专业顾问全程协助,确保交易合规、安全、高效。专利摘要:本发明公开了一种基于条件深度残差补偿的PET图像部分容积校正方法,该方法通过条件神经盲去卷积网络预测模糊核先验,并结合条件深度残差补偿网络,对PET图像的部分容积效应(PVE)进行部分容积校正(PVC)。该方法利用患者的解剖MR先验图像和随机生成的高斯模糊核作为条件神经盲去卷积网络的输入进行模糊核估计,并通过条件深度残差补偿网络对模糊核估计不准确产生的误差进行补偿。本发明充分利用多模态数据的潜在互补信息,考虑了模糊核预测不准确对PVC结果的影响,从而提升了神经网络PVC的有效性与鲁棒性。该方法显著提高了PET图像定量分析的准确性,尤其是脑部PET图像的精确分析。
海量优质专利即买即用,四大核心优势助您弯道超车:
🏆 拿资质,享红利:高企认定、专精特新必备!轻松获取政府补贴、税收减免,招投标直接加分!
💎 增信誉,融资金:支持实缴注册资金,彰显企业硬实力;支持专利质押贷款,盘活现金流,扩张不缺钱!
🔥 强背书,防抄袭:印上“专利产品”,客户更信赖!构建技术壁垒,把竞争对手挡在门外,稳占市场份额!
🚀 省时间,快变现:告别漫长研发与高风险!优质专利即买即用,让技术立刻变成真金白银的利润!
