CN120047335B 一种基于多模态融合的mri图像增强方法及系统 （中南大学湘雅二医院）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN120047335B(45)授权公告日2025.07.08

(21)申请号202510510820.3

(22)申请日2025.04.23

(65)同一申请的已公布的文献号申请公布号CN120047335A

(43)申请公布日2025.05.27

GO6V

GO6N

GO6N

G16H

G16H

GO6F

10/44(2022.01)3/0455(2023.01)

3/0464(2023.01)10/60(2018.01)30/20(2018.01)16/58(2019.01)

(73)专利权人中南大学湘雅二医院

地址410000湖南省长沙市芙蓉区人民中

路139号

(72)发明人吴雄杨海涛胡俊蛟司徒卫军

(74)专利代理机构深圳科润知识产权代理事务所(普通合伙)44724

专利代理师刘强强

(51)Int.CI.

GO6T5/60(2024.01)

GO6T5/50(2006.01)

(56)对比文件

CN116486984A,2023.07.25

CN119832103A,2025.04.15

Y.Zhou等.MultimodalMedicalImage

FusionNetworkBasedonTarget

InformationEnhancement.IEEE

Access.2024,第12卷第70851-70869页.

审查员梁莎

权利要求书3页说明书11页附图3页

(54)发明名称

一种基于多模态融合的MRI图像增强方法及系统

(57)摘要

CN120047335B本发明提供一种基于多模态融合的MRI图像增强方法及系统，属于图像增强技术领域，包括，建立医学图像数据库，获取诊断文本；获取原始MRI图像数据，对T1W/T2W及ADC图像数据进行结构化处理；建立融合增强算法模型池，融合增强算法模型池内包括正向增强模型、反向优化模型及CT辅助增强模型，进行匹配操作；如匹配成功，启用CT辅助增强模型，并与正向增强模型进行融合增强；如匹配失败，单独启用正向增强模型进行融合增强；将增强MRI图像数据正向输出至医学图像数据库内，同时反向输出至反向优化模型中，定期对正向增强模型与CT辅助增强模型进行更新优化；提供了一种可基于CT

CN120047335B

S101

S101

建立医学图像数据库，建立跨区数据流通

机制，获取诊断文本

S102

获取原始RT图像数据，原始VRT图像数据内

包括T1W/T2W及ADC图像数据，基于诊断文本

对TIW/T2W及ADC图像数据进行结构化处理

S103

建立融合增强算法模型池，融合增强算法模

型池内包括正向增强模型、反向优化模型及

数据库进行匹配操作：

S1042

如匹配成功，启用CT辅助增强模型，并与正如匹配失败，单独启用正向增强模型对结构

进行融合增强，获取增强MRI图像数据强VRI图像数据

S105

进行融合增强，获取增强DRI图像数据

S1041

CN120047335B权利要求书1/3页

2

1.一种基于多模态融合的MRI图像增强方法，其特征在于，包括有以下步骤：

建立医学图像数据库，用于存储CT图像数据、增强MRI图像数据、原始MRI图像数据及历史医学图像数据，建立跨区数据流通机制，获取诊断文本；

基于医学图像数据库获取原始MRI图像数据，原始MRI图像数据内包括T1W/T2W及ADC图像数据，基于诊断文本对T1W/T2W及ADC图像数据进行结构化处理；

建立融合增强算法模型池，融合增强算法模型池内包括正向增强模型、反向优化模型及CT辅助增强模型，基于医学图像数据库内的历史医学图像数据对模型池内相关模型进行训练，基于诊断文本及医学图像数据库进行匹配操作；

如匹配成功，启用CT辅助增强模型，并与正向增强模型对结构化T1W/T2W及ADC图像数据进行融合增强，获取增强MRI图像数据；

如匹配失败，单独启用正向增强模型对结构化T1W/T2W及ADC图像进行融合增强，获取增强MRI图像数据；

正向增强模型基于3DU-Net网络对结构化T1W图像数据内的结构特征数据进行提取，基于3DResNet网络对结构化T2W图像数据内的纹理特征数据进行提取，基于轻量化CNN对结