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！

龙图腾网恭喜江南大学申请的专利基于深层3D网络与迁移学习的医学图像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：CN112967240B 。

龙图腾网通过国家知识产权局官网在2025-04-25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：202110215672.4，技术领域涉及：G06T11/00；该发明授权基于深层3D网络与迁移学习的医学图像生成方法是由钱鹏江;蒋亦樟;姚健;张梁;郑乾坤;陈爱国;顾逸;王士同;刘渊设计研发完成，并于2021-02-26向国家知识产权局提交的专利申请。

本基于深层3D网络与迁移学习的医学图像生成方法在说明书摘要公布了：本发明公开了基于深层3D网络与迁移学习的医学图像生成方法，本发明利用图像预处理、制作数据集、数据增强、模型训练、观测模型、网格寻优、再次训练、再次核对、数据测试、评价指标、结果讨论的方式进行模型的训练，并最终利用该模型进行医学图像的生成，涉及医学图像处理技术领域，本发明科学合理，使用安全方便，在本模型中，是将原始图像分成若干个区域，计算各个域的Softmax数值求取平均值，本发明的模型仅仅需要两类医学图像即可，并没有过多的要求，这对于临床实践而言是有意义的；本发明的模型是两个域之间的转换，可以同时进行两种图像的转换，从转换效率而言，本发明的模型转化效率更高。

本发明授权基于深层3D网络与迁移学习的医学图像生成方法在权利要求书中公布了：1.基于深层3D网络与迁移学习的医学图像生成方法，其特征在于：该生成方法包括以下步骤：S1、图像预处理：确定不同域的医学图像，选择图像细节清晰，大小一致的图像若干张用于训练集，选择若干张图像作为测试集，所述训练集和测试集组成了数据集；S2、制作数据集：对S1的数据集进行筛选，去除模糊、伪影的不清晰图像，将不同域的图像分别放置在不同的文件夹中，对不同的文件夹做好域标记，用于模型训练，对原始的数据集图像进行类型转换；所述模型是三维模型；S3、数据增强：对S2所制作的数据集进行扩充，扩充采用对原始的数据集旋转、翻折的手段；S4、模型训练：利用S3所增强的数据集对模型进行训练，将不同域的图像放入模型中，作为模型图像的输入；S5、观测模型：对模型的训练过程进行观测，确定模型参数范围；S6、网格寻优：确定模型训练参数的最优值所在范围，通过步骤S5已经确定了最优值所在的范围，在该范围中逐步确定模型参数的最优值；S7、再次训练：利用S6所得到的最优值所在范围内的参数再次进行模型的训练；S8、再次核对：再次对模型训练过程进行观测，确定模型是否达到最佳拟合，如果未达到最佳，则重新调整模型参数；S9、数据测试：利用测试集对训练之后的模型进行测试，查看测试结果；S10、评价指标：通过S9已经得到的测试结果，利用数据公式与图像计算峰值噪声比和结构相似度；S11、结果讨论：直观查看测试结果与评价指标的结果；所述模型由两对生成网络和判别网络组成，所述生成网络的任务是不断生成伪造数据欺骗判别网络，所述判别网络的任务是甄别生成网络的伪造数据；所述模型采用损失函数进行限制，所述损失函数如下所示：Loss前＝||b-GAGBb,x,x1||；Loss后＝||a-GBGAa,z,z1||；其中，Loss前表示生成网络的前半部分，Loss后表示生成网络的后半部分，b表示第一个图像域所输入的图像,通过迁移学习将图像b通过生成器GB转成x，然后由x通过生成器GA转成x1，另一方面，第二个图像域输入图像a通过迁移学习将图像a通过生成器GA转成z，然后z通过生成器GB转成z1；所述前半部分表示分析路径，所述后半部分表示合成路径。

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江南大学，其通讯地址为：214012 江苏省无锡市蠡湖大道1800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”。