30万元！两所高校拟转让一项有关MR图像生成CT的联合专利

近日，山东大学齐鲁医院与济南大学联合研发的发明专利“多条件约束下的MR图像生成CT图像的方法及系统”完成科技成果转化，该成果以协议定价的方式作价30万元许可给颐邦(北京)智能科技有限公司使用，成果完成人包含张梦华等多位研发人员。

图片来自济南大学官网

此次交易的核心技术属于医学图像处理领域，针对传统MR图像合成CT图像技术过度依赖训练样本质量和数量、合成图像效果不佳的行业痛点，创新设计了由特征编码器、级联跨域transformer模块和特征解码器构成的生成器，首次实现3D特征和2D特征的特征筛选与异构特征融合，同时引入退化模型、门控融合机制和自注意力机制优化模型效果，合成的CT图像与真值一致性达85-90%，可作为临床诊断参考，技术层面突破了传统方法的样本依赖局限，大幅提升了医学影像合成的质量与实用性。

CT即计算机断层扫描，作为核心的医学影像诊断技术，依靠X射线束层析扫描结合计算机处理，能清晰呈现人体内部结构，凭借快速成像、细节丰富的特点，成为肿瘤、心脑血管疾病、器质性病变等多种疾病临床诊断、病情评估与诊疗方案制定的重要依据，在临床医学诊断领域应用广泛且不可或缺。

当前临床诊疗中，常需结合MR与CT两类影像开展综合诊断，针对无直接CT影像的情况，现有方案主要通过基于残差Transformer生成对抗网络的MR图像合成CT图像技术实现影像转化，该技术通过在生成器中设置深层特征提取模块与特征增强模块，试图弥补传统生成对抗网络捕捉全局信息能力的不足，实现MR到CT的图像合成。

但这一现有技术存在明显的技术缺陷，其合成CT图像的质量完全取决于训练样本的质量与数量，在临床实际应用中，罕见病例、特殊病症的样本收集难度大，易出现样本量不足、样本质量参差不齐的问题，直接导致模型训练精度受限，合成的CT图像易出现结构偏差、纹理模糊、细节缺失等问题，难以达到临床诊断对影像的精度要求。

而临床端对高质量MR转CT影像合成技术的需求极为迫切，一方面，临床诊断中需要在缺乏直接CT影像时，快速由MR图像精准合成符合诊断标准的CT图像，为疾病诊断提供完整影像依据；另一方面，面对各类样本收集受限的病症，需要合成技术摆脱对训练样本的过度依赖，保障合成CT图像的质量稳定性与准确性。在此背景下，研发突破样本依赖瓶颈、能生成高质量CT图像的MR转CT技术，成为满足临床诊断实际需求、提升医学影像诊断效率与精准度的关键方向。

该专利技术作为医学图像处理领域的创新成果，针对传统MR转CT技术的核心痛点实现多重技术突破，兼具显著的技术创新性与临床应用优势，核心创新点与技术优势体现在四个方面：

一是突破样本依赖的核心技术瓶颈，技术创新引入参考相似病例 3D CT图像作为约束条件，改变了传统技术完全依赖训练样本质量和数量的模式，即便在罕见病例、特殊病症样本不足的场景下，仍能保障CT图像合成质量，大幅提升了技术的临床适配性与实用性。

二是首创级联跨域transformer模块实现异构特征高效融合，设计深度维度与高度-宽度维度级联的Transformer注意力机制，首次实现3D CT特征与2D MRI特征的精准特征筛选和异构特征融合，通过多层位置编码、多头注意力机制与多层感知机的协同作用，有效去除冗余特征，强化了特征提取的全面性与精准性。

三是优化编码器-解码器结构实现特征处理升级，特征编码器双分支分别对MR和参考CT图像采样编码，且最后两个采样模块创新融入包含模糊、加噪独立过程的退化模型，让特征提取更贴合临床影像的实际特征；特征解码器则结合前两层门控融合上采样层与后两层自注意力上采样层，门控融合机制可实现上下采样特征的智能融合，自注意力机制则强化了影像细节的还原能力，层层优化让生成器的特征处理效果大幅提升。

四是多维度损失函数保障合成影像的高保真度，设计感知损失、上下文损失、结构损失相结合的总损失函数，从高层次特征匹配、局部纹理一致性、图像结构相似度多维度对合成图像进行约束，最终实现合成CT图像与真值一致性达到85-90%，能够满足临床诊断的参考标准，为临床影像应用提供可靠的技术支撑。

此外，该技术还配套搭建了对应的系统架构，包含图像获取单元与CT图像生成单元，同时可在计算机可读存储介质、各类电子设备上落地实现，技术落地性强、适配场景广在临床的规模化应用奠定了基础。

MR图像生成CT图像类医学影像AI合成产品借医疗数字化转型与AI技术迭代的双重红利迎来广阔发展空间，需求端全球疾病诊断需求增长，基层影像资源不足、罕见病例样本稀缺等问题造就了肿瘤筛查、心脑血管疾病诊断等领域的刚性应用场景，技术端AI算法优化推动合成精度提升，满足临床参考标准并加速商业化落地。

联影医疗 “uAI 影像合成模块”，作为联影 CT、MR 设备的配套 AI 软件，广泛应用于全国三级医院影像科，覆盖头部、胸部、腹部等多部位的影像转换需求，尤其在肿瘤术前评估、心脑血管疾病筛查等临床场景中发挥辅助作用。其已通过 NMPA 认证，适配联影自有全系列影像设备，可与医院 PACS 系统无缝对接，目前已在全国多家医院部署使用。该产品为临床提供快速的多模态影像融合方案，减少患者重复检查次数，提升影像科诊断效率，尤其在急诊场景中可快速提供 CT 级影像参考，助力紧急诊疗决策。

推想科技 “胸部 MR-CT 合成系统”聚焦胸部疾病专项诊断，主要用于肺癌筛查、肺结核诊断、肺部感染评估等场景，适配常规胸部 MR 检查后的 CT 影像补全需求。该产品已进入全国多家医院的呼吸科、放射科，支持与主流品牌 PACS 系统对接，无需绑定特定硬件设备。其主要针对胸部影像的纹理特征和结构特点优化模型，在肺结节检测、病灶范围界定等方面提供精准支持，帮助基层医院提升胸部疾病诊断的精准度。

目前来看，国内医疗AI监管体系逐步完善、政策鼓励科技创新，为产品市场准入和技术转化降低门槛，当前市场虽有国内外品牌布局，但现有产品存在样本依赖、场景单一等局限，具备跨场景适配、低样本依赖、高兼容性的创新技术有望打破竞争格局。未来伴随精准医疗理念深入、多模态影像融合需求增长及基层医疗市场渗透，此类产品将朝着更高精度、更广适配、更轻部署的方向发展，既为各级医疗机构提供高效低成本的影像解决方案，也能在远程医疗、应急诊疗等新兴场景发挥作用，市场规模有望持续扩大，成为医学影像AI领域的核心增长赛道。