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！

龙图腾网恭喜北京医智影科技有限公司申请的专利一种基于掩码引导无监督对抗扩散模型的MR图像合成CT图像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：CN118799432B 。

龙图腾网通过国家知识产权局官网在2025-05-13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：202411158290.2，技术领域涉及：G06T11/00；该发明授权一种基于掩码引导无监督对抗扩散模型的MR图像合成CT图像方法是由陈颀;王少彬;白璐设计研发完成，并于2024-08-22向国家知识产权局提交的专利申请。

本一种基于掩码引导无监督对抗扩散模型的MR图像合成CT图像方法在说明书摘要公布了：本发明涉及MR图像合成CT图像技术领域，公开了一种基于掩码引导无监督对抗扩散模型的MR图像合成CT图像方法，引入对抗扩散模型，利用有条件的扩散过程直接捕捉图像分布，通过逐步将噪声、源图像和相应掩码映射到目标图像上，改善图像转译效果；在逆向扩散过程中采用了大扩散步长和对抗映射，突破传统扩散模型方法计算效率瓶颈；利用掩码指导，显式地引导扩散模型的学习，实现高保真图像转译；引入基于非扩散模块和扩散模块的循环一致性架构，实现了源模态和目标模态之间的双向转译，确保了即使在沒有配对训练样本的情况下，图像转译过程依旧准确，从而显著增强模型在配对数据稀缺场景中的适用性。

本发明授权一种基于掩码引导无监督对抗扩散模型的MR图像合成CT图像方法在权利要求书中公布了：1.一种基于掩码引导无监督对抗扩散模型的MR图像合成CT图像方法，其特征在于，包括以下步骤：S1、引入源模态条件映射器，采集捕捉对抗扩散模型中的大步长下的复杂转移概率，实现快速且精确的逆向扩散采样，并通过条件生成器以扩散模型当前第t次迭代的图像、源模态图像及其对应的掩码作为输入，提取中间特征并逐步去噪，合成；其中表示条件生成器所预测的扩散模型第（t-k）次迭代的去噪分布，表示利用上述条件生成器，以当前第t次迭代的图像、源模态图像及其对应的掩码作为输入，预测扩散模型第（t-k）次迭代的去噪分布的条件概率分布；在步骤S1中，为提高图像生成效率，提出前向过程的快速扩散方式，如下式： ； ；上式中，t表示扩散模型的第t次迭代，k表示迭代步长间隔，数值大于1，表示噪声方差，为条件生成器生成的估计去噪分布和实际去噪样本，表示扩散模型前向过程的噪声分布，表示正态分布，I表示单位矩阵；在步骤S1中，一个基于时间计算的可学习嵌入被合并到提取的中间特征中，用于指导模型生成准确的去噪预测，随后，引入判别器区分由生成器生成的估计去噪分布和实际去噪样本，时间嵌入也作为偏置项添加到判别器的特征图中；在步骤S1中，条件生成器使用非饱和对抗损失监督可学习的判别器： （1） ； （2）其中，E表示期望值，x0表示扩散模型第0次迭代的输入，即原始图像，最终的去噪结果在执行次逆向扩散过程后获得，生成高质量的去噪输出，同时保持对对抗性噪声的鲁棒性；S2、原模态图像及边界掩码引导：为了合成目标模态的图像，参数化逆向扩散步骤需要源模态图像的指导，然而训练数据集中包含未配对的模态图像，模态图像为MR图像和CT图像，分别记为x和y，MR图像设为源模态，CT图像设为目标模态，并引入基于非扩散模块和扩散模块的循环一致性架构，从未配对的训练数据集中学习；在步骤S2中，循环一致性架构在源模态和目标模态之间执行双向转译，有效弥合未配对数据集之间的差距，循环一致性架构可确保即使在沒有配对训练样本的情况下，图像转译过程依旧连贯和准确，从而显著增强了模型在配对数据稀缺场景中的适用性；S3、将图像和掩码送入非扩散模块，采用非扩散方法合成训练数据集中每个目标图像对应的源模态图像；在步骤S3中，条件生成器根据目标模态图像和掩码生成源模态图像，此过程包括以下步骤： （3）对于，采用非饱和对抗损失函数： （4）其中，代表网络对给定目标图像的源条件分布下的参数化表示，判别器利用非饱和对抗损失函数来区分估计的源图像和实际的源图像，此过程包括： （5）其中，表示给定的源模态目标图像的真实条件分布；S4、在非扩散模块生成的源模态图像的指导下，采用扩散模块来估计目标模态图像；在步骤S4中，采用扩散模块来估计目标模态图像由两个对抗扩散过程组成，每个过程配备一个特定的判别器，在逆向扩散过程中的每一步（）中，条件生成器首先生成目标图像的估计： （6）其中，这里的每一步是指模型逆向扩散过程的初始迭代次数t；条件生成器将作为三通道输入来处理，并提取中间特征，其中表示编码-解码结构中的子块索引，为每个时间步计算的可学习时间嵌入被作为通道特定的偏置项添加到每个子块中的特征图上，表示为，随后，条件生成器利用每个图像模态特定的去噪分布来合成目标图像；在步骤S4中，判别器接收或和作为输入，区分来自预测去噪分布和真实去噪分布的样本；判别器将或作为两通道输入来处理，时间嵌入被作为偏置项合并到判别器的特征图中，为了计算方程（2），在从参数化的去噪分布中采样时，条件生成器的表示如下： |,=（7）其中，条件生成器预测的距离有步，然后针对每种模态使用去噪分布来合成目标图像； （8）；S5、无监督学习：利用循环一致性损失比较真实目标图像及其重建图像。

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北京医智影科技有限公司，其通讯地址为：100083 北京市海淀区学院路30号科大天工大厦AB座19层20室；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”。