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！

龙图腾网获悉江西财经大学申请的专利基于自监督结构表征学习的OCT去噪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：CN121746238B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202610237152.6，技术领域涉及：G06T5/70；该发明授权基于自监督结构表征学习的OCT去噪方法是由李三仟;黄昊辰;盛军燕;方玉明;王玉皞设计研发完成，并于2026-02-28向国家知识产权局提交的专利申请。

本基于自监督结构表征学习的OCT去噪方法在说明书摘要公布了：本发明提出一种基于自监督结构表征学习的OCT去噪方法，该方法包括：利用编码器与两个并行耦合的解码器构成自监督的OCT去噪模型；所述编码器与两个并行耦合的解码器均以迭代的形式堆叠八层结构；所述两个并行耦合的解码器分别为代理任务解码器与下游任务解码器；所述代理任务解码器与下游任务解码器共享编码器输出的特征，并通过特征拼接方式进行耦合。本发明通过创新的多视角合成退化策略，仅需利用容易获取的无噪声的OCT图像，即可自动生成具有不同噪声特性的训练样本，构建了自监督学习所需的“输入‑目标”对；模型通过并行的结构表征学习与图像重建任务进行协同训练，无需任何人工标注的噪声‑清晰图像对或繁琐的参数调优过程。

本发明授权基于自监督结构表征学习的OCT去噪方法在权利要求书中公布了：1.一种基于自监督结构表征学习的OCT去噪方法，其特征在于，所述方法包括如下步骤： 步骤1、利用编码器与两个并行耦合的解码器构成自监督的OCT去噪模型；所述编码器与两个并行耦合的解码器均以迭代的形式堆叠八层结构；所述两个并行耦合的解码器分别为代理任务解码器与下游任务解码器； 步骤2、在无噪声的OCT图像中施加不同强度的散斑噪声，并利用高通滤波器提取高频特征后进行拼接，以得到高频结构特征； 步骤3、以迭代的形式将高频结构特征依次经过编码器中堆叠的八层结构进行处理，以分别得到八个编码器特征； 步骤4、以迭代的形式将编码器特征输入至代理任务解码器中进行解码处理，以分别得到八个代理任务解码器特征，并将代理任务解码器第八层的特征作为重建的高频结构特征图； 步骤5、以迭代的形式将编码器特征输入至下游任务解码器中进行处理，并与代理任务解码器特征进行跳跃连接，以得到重建的去噪图像； 步骤6、利用重建的去噪图像构建焦点频率损失函数，并利用重建的高频结构特征图构建L1损失函数，再利用重建的去噪图像中的高频特征与重建的高频结构特征图构建循环一致性损失函数；利用焦点频率损失函数、L1损失函数与循环一致性损失函数对自监督的OCT去噪模型进行训练，以得到训练后的自监督的OCT去噪模型；利用训练后的自监督的OCT去噪模型中的下游任务解码器对含噪OCT图像进行去噪推理，以得到最终的去噪图像； 其中，所述代理任务解码器与下游任务解码器共享编码器输出的特征，并通过特征拼接方式进行耦合； 其中，在所述步骤2中，在无噪声的OCT图像中施加不同强度的散斑噪声，并利用高通滤波器提取高频特征后进行拼接，以得到高频结构特征，具体包括如下子步骤： 在无噪声的OCT图像中施加不同强度的散斑噪声，以得到多视角退化图像集合； 利用高通滤波器提取多视角退化图像集合中所有图像的高频特征，以得到高频图像集合； 将高频图像集合中的所有图像沿通道维度进行拼接，以得到高频结构特征； 其中，在所述步骤5中，以迭代的形式将编码器特征输入至下游任务解码器中进行处理，并与代理任务解码器特征进行跳跃连接，以得到重建的去噪图像，具体包括如下子步骤： S501、将编码器第八层的特征依次经过小波特征块、批量归一化层与ReLU激活层处理，以得到第一小波特征； S502、将第一小波特征与代理任务解码器对应层的特征进行跳跃连接，以得到下游任务解码器第一层的特征。

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江西财经大学，其通讯地址为：330000 江西省南昌市经济技术开发区双港东大街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”。

以上内容由龙图腾AI智能生成。