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！

龙图腾网恭喜中国人民解放军第四军医大学申请的专利一种精准识别脑卒中颅内病变区域的图像重建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：CN111616708B 。

龙图腾网通过国家知识产权局官网在2025-04-29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：202010449581.2，技术领域涉及：A61B5/0536；该发明授权一种精准识别脑卒中颅内病变区域的图像重建方法是由施艳艳;饶祖广;付峰;王萌设计研发完成，并于2020-05-25向国家知识产权局提交的专利申请。

本一种精准识别脑卒中颅内病变区域的图像重建方法在说明书摘要公布了：本发明公开了一种精准识别脑卒中颅内病变区域的图像重建方法，用于电阻抗层析成像重建出血性脑卒中的电导率分布。该方法将电阻抗层析成像问题看作求解一个线性不适定问题，确定目标函数；重建方法的流程为：获取物场信息，求解相对边界测量值向量和灵敏度矩阵；设置初始化参数；使用加权矩阵转换数据保真项；利用迭代方式求解目标函数；判断迭代是否结束；根据求得的灰度值，进行成像。本发明有效的克服了边缘过光滑效应和抑制了阶梯伪影，提高了算法的稳定性、适用性和重建图像的空间分辨率，扩展了总变差正则化算法在医学检测领域的应用范围。

本发明授权一种精准识别脑卒中颅内病变区域的图像重建方法在权利要求书中公布了：1.一种精准识别脑卒中颅内病变区域的图像重建方法，其特征在于：将电阻抗层析成像作为一个线性不适定逆问题Ag＝bmeas，式中，A为灵敏度矩阵，bmeas为相对边界测量值向量，g为成像灰度值，建立最小化目标函数为： 其中 式中，Sg是目标函数；λ是正则化参数，为一个正标量，用来保持保真度项和混合惩罚项之间的平衡；ω∈[0,1]是控制一阶TV和高阶TV惩罚项之间权衡的加权因子；||·||p和||·||1分别是向量Lp范数和L1范数；表示梯度；lx和ly分别表示在x方向和y方向上的有限元剖分；和分别是一阶和二阶离散微分，具体重建步骤如下：1获取物场信息：针对重建模型分别获取重建所需的边界测量值和灵敏度矩阵，边界测量值是将被测对象置于电学层析成像测量系统中，被测场域外均匀分布16个电极，采用电流激励电压测量且激励电极不测量的模式，采集循环激励循环测量下的边界电压，共获得208个测量值；灵敏度矩阵是根据不含介质的空场的边界测量电压，结合灵敏度理论，计算灵敏度矩阵，计算公式为：式中，Aij是第j个电极对对第i个电极对的灵敏度系数，φi，φj分别为第i个电极对及第j个电极对在激励电流为Ii，Ij时场域电势分布；2设置初始化参数：正则化参数λ＝75，加权因子ω＝0.3，范数p＝0.9，正常数ε＝10-6，迭代终止θmin＝10-4，最大迭代次数kmax＝50，惩罚参数β1＝100，β2＝6,β3＝6，软阈值系数κ＝0.08，拉格朗日乘子和初始解g0＝0n×1；3使用加权矩阵转换数据保真项：为了降低求解目标函数的难度，使用一种加权矩阵对数据保真项进行转换，则最小化目标函数转变为：其中，式中，Wk是在上一次迭代中计算并在每次迭代中更新的加权矩阵，gk+1和gk是第k+1次解的列向量和第k次解的列向量，ε是用于防止分母为零的正小常数，选择为10-6；4对目标函数进行迭代求解：通过引入多个辅助变量，将复杂约束问题分解为一系列简单约束子问题，同时每个子问题都有闭式解，以便用现有的数值方法求解，为此，引入了三个辅助变量f、q和r，具体表示为： 其增广拉格朗日函数表示为： 式中，γ1,γ2和γ3是增广拉格朗日乘子，β1,β2,β30是惩罚参数；辅助变量和灰度值的解描述为： 对于f子问题表示为：式中“°”是逐点积，“sgn”表示signum的函数；对于q子问题表示为：对于r子问题表示为：对于灰度值g的子问题表示为：转换得到：其中，上标T表示转置运算符，和ATA为循环矩阵；为了进一步减少阶梯效应，引入一个感兴趣的区域，定义：式中，R指感兴趣的区域，κ是区分背景和介质的阈值系数，灰度值的解g转化为：gk+1＝R.*gk+1，其中，.表示的是元素与元素之间的对应相乘；拉格朗日乘子的计算和更新方式表示为：5迭代终止准则：判断迭代是否符合迭代终止条件θ＝||gk+1-gk||2||gk||2≤θmin或者是否达到最大迭代次数k≤kmax，若是则迭代终止，进行下一步操作；若否，设置k＝k+1并跳回第3步继续迭代求解；6输出结果：根据最终求解所得灰度值g进行成像。

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中国人民解放军第四军医大学，其通讯地址为：710032 陕西省西安市长乐西路169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”。