超20万，华西医院拟转让一项CT增强去伪影技术

近日，四川大学华西医院发布公示，拟将一项“一种基于双域渐进增强网络的CT图像金属伪影去除方法”发明专利，以普通许可方式授权给产业方进行转化。本次转化采用协议定价，拟定的交易价格为20万元人民币固定费用，外加销售提成（0.25万元/套，前4套不计入提成）。

该专利技术由华西医院吴敏、赵启军、谭佳、熊邓、姚晓莉等发明人共同研发，旨在解决CT影像中因金属植入物引起的严重伪影问题。其核心设计了一套智能闭环处理系统，创新性地将双域渐进增强网络与嵌入式量化评估机制相结合。

该系统不仅能通过正弦域和图像域的网络协同有效去除伪影并保留解剖细节，还能在数据处理、模型训练等关键阶段自动进行质量评估与决策，从而系统性提升去除效果的精确度和可靠性，为临床提供更清晰的诊断图像。

一技术转化的推进，源于医学影像临床实践中长期存在的明确挑战。金属伪影问题一直是CT扫描中的“顽疾”。随着现代医疗技术的发展，患者体内携带各类金属植入物的情况日益普遍，从骨科的人工关节、脊柱内固定，到牙科的填充物、种植体，乃至心血管支架等。

这些高密度材料在CT成像中会引发严重的条纹状、星芒状伪影，极大干扰对周围正常组织尤其是精细解剖结构的观察，直接影响临床医生对病灶的诊断、手术方案的规划以及治疗效果的评估。

传统解决方案通常面临两难困境。

一方面，基于滤波或插值等经典图像处理算法的方法，往往在去除伪影的同时导致图像模糊或引入新的失真，损失大量有价值的诊断细节。另一方面，近年来兴起的深度学习方法虽展现出潜力，但其模型训练极度依赖海量、成对的（即有伪影与无伪影对应）高质量标注数据。

在实际中，获取这样的数据成本高昂、过程繁琐，需要专业的医学知识进行精确标注，导致数据稀缺成为瓶颈，限制了模型的泛化能力和在实际复杂场景中的鲁棒性。

因此，医疗领域迫切需求一种既能高效去除伪影，又能最大限度保留关键诊断信息，且对训练数据依赖更智能、更稳健的技术方案。华西医院研发团队所聚焦的，正是这一临床驱动下的核心痛点。

对上述临床需求与技术瓶颈，团队并未停留在单一算法的优化上，而是构建了一套系统性、闭环驱动的智能解决方案。其核心价值在于，通过三个层面的紧密耦合创新，将金属伪影去除从一个“结果不确定”的后处理步骤，升级为一项“过程可管控、质量可评估”的可靠技术。

· 是“分工协作、渐进增强”的三级处理架构。 专利设计的网络模型遵循清晰的逻辑链条：

首先在原始数据层面（正弦域），通过注意力嵌入机制精准定位并修复被金属严重污染的投影数据，力求从源头减少伪影引入。随后，团队在初步重建的图像域进行二次精细化修复，消除残留噪声与伪影。最后，团队专门引入独立的细节增强网络，其核心任务是修复与强化在前两步处理中可能被模糊的解剖边缘与组织纹理。

这一“投影域修复 → 图像域精修 → 全局细节复原”的流程，确保了伪影去除与细节保留不再是二选一的权衡，而是可以同步达成的目标。

· 也是最具突破性的，是贯穿全流程的“嵌入式质量评估与决策中枢”。 这正是该技术区别于传统“黑箱”模型的关键。它在三个关键节点设立了智能检查站：

输入质检站：在数据进入模型前，系统会自动化评估预处理后的数据质量（图像处理质量评估指数），只有达标的数据才被放行用于训练，从根源上保障模型“学得好”。

输出校验站：模型训练完成后，系统会对其在测试集上的表现进行多维量化评估（伪影去除符合评估指数），涵盖结构、边缘、纹理等多个临床关心的维度。不达标则自动触发优化流程。

优化反馈站：对模型进行的任何优化，其效果也会被量化评估（优化效果评估指数），以此判断优化是否有效，并决策是否需要回溯至更前端（如重新准备数据）。 这一机制赋予了系统自我诊断、自我优化的能力，极大降低了对“完美训练数据”的依赖，提升了技术在复杂现实场景中的适应性与鲁棒性。

· 是实现决策智能的“量化评估体系”。 所有上述评估与决策，均非基于主观经验，而是依赖一系列明确、可计算的数学指标。专利中定义的多个评估指数，通过融合噪声水平、结构相似性、处理效率等多维度参数，将图像质量这一抽象概念转化为客观数字。这使得整个系统的运行状态、处理效果变得透明、可度量、可追溯。

综上，该专利的创新价值，远超一个更优的神经网络。它提供了一套从数据质控、智能处理到效果验证的完整方法论与工程化框架。 其转化不仅意味着一项先进算法的落地，更代表了一种追求确定性与高质量结果的技术范式，有望为CT影像的精准诊断提供更可信赖的工具，具有明确的临床意义与市场前景。

华西医院的这项专利技术，诞生于一个国内外研究机构与企业竞相投入、快速迭代的领域。通过对比分析，可以更清晰地看到其独特价值。

国内技术发展活跃，双域与弱监督成热点。近年来，国内高校、医院及科技企业在该领域取得了显著进展。例如，2025年授权的一项专利（CN120563661B）提出了“基于双域多视图弱监督分割的CBCT金属伪影抑制方法”，其创新点在于利用多视图一致性分割和弱监督学习来降低对精确标注数据的依赖。同时，产业界也在积极布局，如腾讯公司在2025年公开了一项通过模拟金属扩散过程来移除伪影的专利（CN120355800A）。

这些进展共同反映了当前国内技术探索的两个核心方向：一是深化双域信息融合，二是寻求减少对成对标注数据的依赖。

国际研究前沿聚焦无监督与物理融合。在全球范围内，除了各大医疗器械厂商（如GE、西门子）在其高端CT设备中集成先进的迭代重建与双能谱去伪影技术外，学术界的研究前沿呈现出新的趋势。一方面，无监督或弱监督学习受到高度重视，以彻底摆脱对难以获取的成对数据的依赖。例如，2025年有研究提出了一种无监督的深度稀疏变换网络，用于联合实现金属伪影减少和超分辨率重建。

另一方面，探索与物理成像模型或先验知识深度融合成为提升方法鲁棒性和可解释性的关键。例如，有研究尝试利用能谱成像（Gemstone Spectral Imaging）数据在潜在空间进行对齐，以更精准地抑制伪影。这些工作表明，国际前沿正致力于开发更通用、更稳健且符合物理规律的智能去伪影模型。

在此技术图谱中，华西医院的专利展现出了鲜明的系统化工程思维特色。与许多专注于改进网络模块或损失函数的研究不同，该技术的核心竞争力在于其构建的 “嵌入式评估与闭环决策”框架。它并非单纯追求在特定数据集上取得更高的峰值信噪比（PSNR），而是通过引入图像处理质量评估指数（IQ）、伪影去除符合评估指数（AR）和优化效果评估指数（EA），在预处理、模型训练、结果输出、迭代优化的全流程中植入了质量监控与自动决策节点。

这使得该技术方案在面对临床中复杂多变的真实数据时，具备了更强的自适应能力和结果可控性。简言之，其创新不只在于“如何更好地去除伪影”，更在于“如何系统地保证每次去除都可靠、可用”，这为其从实验室走向临床实际应用提供了关键的工程化保障。

* 专利交易信息由中技所提供