-
公开(公告)号：CN114708189A
公开(公告)日：2022-07-05
申请号：CN202210172479.1
申请日：2022-02-24
Applicant: 中北大学
Abstract: 本发明涉及一种基于深度学习的多能X射线图像融合方法及装置，采集不同工件的不同能量X射线图作为训练数据集；将训练数据集的X射线图输入编码器，训练编码器和解码器，待训练网络稳定后，获得训练好的编码器和解码器；在训练好的编码器和解码器之间添加结合通道注意力和基于模糊熵的空间注意力的融合策略；输入不同能量的X射线图至训练好的编码器提取特征，再使用结合通道注意力和基于模糊熵的空间注意力的融合策略融合特征图，融合后的特征图再进入训练好的解码器输出融合结果。通过本发明方法及装置处理图像，能够有效反映工件信息，提高检测准确率。
-
公开(公告)号：CN114283088A
公开(公告)日：2022-04-05
申请号：CN202111602471.6
申请日：2021-12-24
Applicant: 中北大学
Abstract: 本发明涉及一种低剂量CT图像降噪方法及装置，对图像数据集进行预处理；初始化卷积稀疏图X和卷积字典D；通过超参数预测模块产生每次的迭代参数；基于所述迭代参数，迭代更新卷积稀疏图X和卷积字典D，直至获得预训练模型；选取低剂量CT图像数据集，基于所述预训练模型在低剂量CT图像数据集上训练，直至获得降噪模型；基于所述降噪模型，对低剂量CT图像进行降噪处理。本发明能够有效提高低剂量CT图像降噪处理效果。
-
公开(公告)号：CN109035228B
公开(公告)日：2021-12-28
申请号：CN201810789727.0
申请日：2018-07-18
Applicant: 中北大学
IPC: G06T7/00
Abstract: 本发明涉及一种非等厚构件的X射线图像处理方法，包括如下步骤：步骤1：对X射线图像进行e为底的对数变换，得到X射线图像的对数图像，并将对数变换后小于0的灰度值置为0；步骤2：针对步骤1获得的对数图像，计算图像中各个像素点的局部方差，根据局部方差对像素点进行区域划分；步骤3：针对步骤1获得的对数图像，基于梯度场非线性放大模型进行对比度增强处理，获得增强图像f；梯度场非线性放大模型构建时，根据步骤2获得的区域划分结果，设定相应的放大系数；步骤4：针对步骤3获得的增强图像f进行灰度处理。
-
公开(公告)号：CN108564555B
公开(公告)日：2021-09-21
申请号：CN201810447228.3
申请日：2018-05-11
Applicant: 中北大学
Abstract: 本发明涉及一种基于NSST和CNN的数字图像降噪方法，包括如下步骤：步骤1：网络训练；通过Ascombe变换将图像中近似服从泊松分布的噪声转换为近似服从标准高斯分布的噪声；通过NSST即通过非下采样剪切波变换，分别将噪声图像以及其对应的高质量图像分解为多级子带图像，将各级子带图像分别剪切为一定大小的图像块作为数据集；基于获得的数据集，进行卷积神经网络训练即进行CNN训练；步骤2：基于步骤1获得的网络模型，进行图像降噪。
-
公开(公告)号：CN110554423A
公开(公告)日：2019-12-10
申请号：CN201910940018.2
申请日：2019-09-30
Applicant: 中北大学
IPC: G01T1/02
Abstract: 本发明涉及一种放射剂量计算系统，包括信息输入模块、点核能量分布模拟模块、点核模型参数提取模块、点核查找表生成模块、坐标系转换模块、TERM值计算模块、剂量计算模块和信息输出模块。通过将直角坐标系下的二维注量分布、三维密度分布转换到球壳坐标系下，在球壳坐标系下计算各体素的TERM值，利用球壳坐标系的对称特性，直接从点核查找表中读取碰撞点信息，从而进行快速剂量计算，并将球壳坐标系下的三维剂量分布转换到直角坐标系下，输出三维剂量分布，以及统计各器官的剂量-体积曲线。本发明避免了计算碰撞点位置和旋转点核所需计算量，在射线发散入射的情况下有效地降低了点核剂量计算方法的算法复杂度。
-
Patent Agency Ranking
公开(公告)号：CN109035228A
公开(公告)日：2018-12-18
申请号：CN201810789727.0
申请日：2018-07-18
Applicant: 中北大学
IPC: G06T7/00
CPC classification number: G06T7/0004 , G06T2207/10081
Abstract: 本发明涉及一种非等厚构件的X射线图像处理方法，包括如下步骤：步骤1：对X射线图像进行e为底的对数变换，得到X射线图像的对数图像，并将对数变换后小于0的灰度值置为0；步骤2：针对步骤1获得的对数图像，计算图像中各个像素点的局部方差，根据局部方差对像素点进行区域划分；步骤3：针对步骤1获得的对数图像，基于梯度场非线性放大模型进行对比度增强处理，获得增强图像f；梯度场非线性放大模型构建时，根据步骤2获得的区域划分结果，设定相应的放大系数；步骤4：针对步骤3获得的增强图像f进行灰度处理。
-
公开(公告)号：CN105844690A
公开(公告)日：2016-08-10
申请号：CN201610216968.7
申请日：2016-03-29
Applicant: 中北大学
IPC: G06T15/10
CPC classification number: G06T15/10 , G06T2207/10081 , G06T2215/06
Abstract: 本发明公开基于GPU的快速三维CT迭代重建系统，包括数据输入模块，预处理模块，正/反投影模块，变量更新模块，迭代终止模块，结果输出模块；数据输入模块主要包括输入投影数据；预处理模块包括对投影数据作相关的预处理，并将处理后的数据以及与重建相关的参数传入到GPU；正/反投影模块进行包括正投影步骤、记录信息步骤和修正步骤、反投影步骤操作，分别计算得到正投影系统矩阵和反投影系统矩；变量更新模块根据反投影结果对当前迭代过程中的变量值进行更新；迭代终止模块包括判断当前迭代是否满足迭代的终止条件；结果输出模块将迭代结果输出。本发明只需计算一次射线与体素的相交情况，减少了计算系统矩阵所需的计算量，加快迭代重建的速度。
-
公开(公告)号：CN119399075A
公开(公告)日：2025-02-07
申请号：CN202411436527.9
申请日：2024-10-15
Applicant: 中北大学
IPC: G06T5/77 , G06T5/60 , G06N3/0464
Abstract: 本发明涉及一种基于神经网络多层次特征学习的低剂量CT图像复原方法及装置，对CT图像数据集进行预处理，获得预处理图像；基于预处理图像，通过粗特征提取模块提取图像粗特征，获得粗特征图；基于所述粗特征图，通过细节增强模块增强图像细节特征，获得细节增强特征图；基于所述粗特征图，通过重建图像模块获得第一重建图像；基于所述细节增强特征图，通过重建图像细节模块获得第二重建图像；将所述第一重建图像和第二重建图像相加，得到复原图像；计算损失函数，训练出复原模型。本发明能够有效提高低剂量CT图像复原处理效果。
-
公开(公告)号：CN118762091A
公开(公告)日：2024-10-11
申请号：CN202410668319.5
申请日：2024-05-28
Applicant: 中北大学
IPC: G06T11/00 , G06N3/0464 , G06N3/096
Abstract: 本发明涉及一种基于卷积稀疏约束的稀疏角CT图像重建方法及装置，基于以下CT图像重建模型，经过多次卷积迭代获得重建CT图像#imgabs0#式中#imgabs1#为数据保真项，保持重构图像与测量值之间的恒定；g为投影数据，u为待重建图像，A表示大小为R′Q的系统矩阵，R为投影数据的总数，Q为图像像素的总数；β是控制数据保真项和约束项之间权衡的平衡系数；*为卷积算子，{fi}i＝1,2,...,N为滤波器集合，{Mi}i＝1,2,...,N为滤波器fi对应的特征映射，λ为正则化参数。本发明能够有效改善稀疏角CT重建图像的成像质量，提高图像重建效率。
-
公开(公告)号：CN116862790B
公开(公告)日：2024-10-08
申请号：CN202310796944.3
申请日：2023-06-30
Applicant: 中北大学
IPC: G06T5/70 , G06T7/00 , G06T5/60 , G06N3/0464
Abstract: 本发明涉及一种基于神经网络的低剂量CT图像降噪方法及装置，将含噪声的CT图像分解，获得图像低频信息和高频信息；将所述图像低频信息和高频信息分别输入至相对应的低频网络和高频网络中，得到第n次降噪后的低频信息Ln和高频信息Hn；第n次降噪后的低频信息和高频信息通过融合网络与初始图像相减，获得残差图像ΔZn；计算损失函数，训练出预模型；调整学习率，对预模型进行训练，获得最终降噪模型；基于所述最终降噪模型，对CT图像进行处理，获得降噪后的CT图像。本发明能够有效提高低剂量CT图像降噪处理效果。
-
-
-
-
-
-
-
-
-
Search Results
54
records
(took 0.017 seconds)
