中国科学院深圳先进技术研究院王珊珊获国家专利权
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！
龙图腾网获悉中国科学院深圳先进技术研究院申请的专利迭代优化展开的无监督深度学习磁共振重建方法及装置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：CN114758022B 。
龙图腾网通过国家知识产权局官网在2025-07-01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：202210295227.8，技术领域涉及：G06T11/00；该发明授权迭代优化展开的无监督深度学习磁共振重建方法及装置是由王珊珊;胡晨;郑海荣;梁栋设计研发完成，并于2022-03-24向国家知识产权局提交的专利申请。
本迭代优化展开的无监督深度学习磁共振重建方法及装置在说明书摘要公布了：本申请适用于磁共振成像技术领域，提供了一种迭代优化展开的无监督深度学习磁共振重建方法及装置，其中该方法包括：获取待重建的欠采样MRI图像；将欠采样MRI图像输入训练后的GAP算法模型中进行图像重建，得到磁共振重建图像；GAP算法模型在图像重建过程中通过图像去噪神经网络对迭代输出的图像进行去噪处理。本申请能提升磁共振图像的重建效率。
本发明授权迭代优化展开的无监督深度学习磁共振重建方法及装置在权利要求书中公布了：1.一种迭代优化展开的无监督深度学习磁共振重建方法，其特征在于，包括： 获取待重建的欠采样MRI图像； 将所述欠采样MRI图像输入训练后的GAP算法模型中进行图像重建，得到磁共振重建图像； 所述GAP算法模型在图像重建过程中通过图像去噪神经网络对迭代输出的图像进行去噪处理； 广义交替投影GAP算法为CS算法中的一种，在相关技术中，压缩感知磁共振CS-MRI图像重建问题可表述为以下非线性优化问题的求解： 其中，A为观测矩阵，A＝PF，P为欠采样矩阵，F为傅里叶变换矩阵，y为欠采样傅里叶频域数据，x为全采样原始图像，Rx为关于原始图像的正则化项，λ为正则化参数； 将正则化项Rx特定为对原始图像x的稀疏性约束，即Rx＝||Dx||1，其中D为图像稀疏变换域，通过引入辅助变量θ，GAP算法将上述优化问题等效表述为： 其中，t为迭代次数，在GAP算法下，该优化问题的求解可在原变量x和辅助变量θ的交替优化下进行，给定θ，x的更新可看成在线性流形空间上的欧式投影，表述为： xt＝θt-1+AHAAH-1y-Aθt-1； 而给定原变量x，辅助变量θ的更新可被视为一个图像去噪的问题。
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科学院深圳先进技术研究院，其通讯地址为：518000 广东省深圳市南山区深圳大学城学苑大道1068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”。
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号