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！

龙图腾网获悉北京交通大学申请的专利一种基于深度学习的二维超声图像的三维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：CN116310032B 。

龙图腾网通过国家知识产权局官网在2026-05-08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：202310281244.0，技术领域涉及：G06T15/00；该发明授权一种基于深度学习的二维超声图像的三维重建方法是由陈新;李艳凤;陈后金;彭亚辉;李居朋设计研发完成，并于2023-03-20向国家知识产权局提交的专利申请。

本一种基于深度学习的二维超声图像的三维重建方法在说明书摘要公布了：本发明属于医学图像处理技术领域，特别涉及一种基于深度学习的二维超声图像的三维重建方法。本发明提供一种新的基于深度学习的二维超声图像的三维重建方法，该方法将构建的高帧率的二维超声图像序列作为3DCNN‑LSTM网络的输入数据，再使用3DCNN进行B超图像帧间特征提取得到空间位姿信息，使用LSTM对空间位姿信息序列进行统计和预测，有效利用超声图像的帧间特征以及位姿信息序列的时空关联性，消除累积误差，提高三维重建的准确率。

本发明授权一种基于深度学习的二维超声图像的三维重建方法在权利要求书中公布了：1.一种基于深度学习的二维超声图像的三维重建方法，其特征在于，三维重建方法包括如下步骤： S1：提取二维超声图像序列的感兴趣区域； S2：通过堆叠多个连续帧的方式，将感兴趣区域处理成三维数据作为训练后的三维卷积神经网络的输入； S3：三维卷积神经网络通过不同三维卷积核从二维图像序列中提取帧间特征并计算得到空间位姿信息； S4：通过训练后的长短期记忆模型提取空间位姿信息序列的依赖关系，对三维卷积神经网络的输出进行统计和预测，输出二维超声图像序列在空间中的位姿信息并进行三维重建生成三维重建图像； 步骤S3包括如下步骤： S31：三维卷积神经网络将立方体复制6份，每3份为1个特征组；S32：对两个特征组的输入的二维图像序列进行三维卷积，并提取帧间深层次特征； S33：每层卷积层进行最大池处理，分别将特征图的尺寸缩小； S34：通过全链接层，计算得到空间位姿信息； 步骤S34中空间位姿信息的计算方法如下： S341：计算相邻帧在不同距离下的三组感兴趣区域的散斑解相关，并测量多次，且取平均值绘制距离-解相关校准曲线，计算散斑解相关的表达式如下：其中，covX,Y是相邻帧对应的ROI区域X和Y的协方差，σX和σY是的ROI区域X和Y的标准差； S342：帧图像以固定步长沿X，Y，Z三个方向移动，得到三个方向上的三条距离-解相关校准曲线；S343：计算当前相邻两帧图像三组感兴趣区域的散斑解相关； S344：通过查表法从校准曲线获得当前相邻图像的距离，根据空间中三个非共线的点确定空间中唯一平面的原理，计算得到当前图像相对于前一帧图像的空间位置和角度关系，即根据三个距离以及前一帧图像的位姿信息，计算得到后一帧图像的位姿信息。

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交通大学，其通讯地址为：100044 北京市海淀区上园村3号北京交通大学科学技术研究院；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”。

以上内容由龙图腾AI智能生成。