-
公开(公告)号：CN111888665B
公开(公告)日：2022-09-02
申请号：CN202010815018.2
申请日：2020-08-13
摘要： 本发明涉及一种基于自适应修正对抗网络的三维剂量分布预测方法，本发明以生成对抗网络为基础架构，利用集成学习思想，提出一种基于自适应修正对抗网络的三维剂量分布预测模型。利用生成对抗网络中生成器和判别器互相博弈的思想，生成与目标剂量分布尽可能接近的剂量分布图。与此同时，训练自适应修正网络来拟合生成的和真实的剂量分布图之间的残差图。将生成器合成的剂量分布图和自适应修正网络得到的残差图叠加，得到修正后的更加理想的符合个体差异化的剂量分布。本发明能有效的学习剂量学特征与其几何解剖结构之间的映射并使网络具有更高的鲁棒性。
-
公开(公告)号：CN111888665A
公开(公告)日：2020-11-06
申请号：CN202010815018.2
申请日：2020-08-13
IPC分类号： A61N5/10
摘要： 本发明涉及一种基于自适应修正对抗网络的三维剂量分布预测方法，本发明以生成对抗网络为基础架构，利用集成学习思想，提出一种基于自适应修正对抗网络的三维剂量分布预测模型。利用生成对抗网络中生成器和判别器互相博弈的思想，生成与目标剂量分布尽可能接近的剂量分布图。与此同时，训练自适应修正网络来拟合生成的和真实的剂量分布图之间的残差图。将生成器合成的剂量分布图和自适应修正网络得到的残差图叠加，得到修正后的更加理想的符合个体差异化的剂量分布。本发明能有效的学习剂量学特征与其几何解剖结构之间的映射并使网络具有更高的鲁棒性。
-
公开(公告)号：CN111898324B
公开(公告)日：2022-06-28
申请号：CN202010814307.0
申请日：2020-08-13
摘要： 本发明涉及及一种基于分割任务辅助的鼻咽癌三维剂量分布预测方法，具体包括：采集原始鼻咽癌图像并对其进行标注；构建剂量分布预测模型，所述预测模型包括辅助分割网络、剂量预测网络和对抗网络；分割网络和预测网络共享编码器网络参数，通过联合训练分割任务和剂量预测任务来获取两者之间的共享表示信息，增强共享编码器的特征表达能力，促使网络在有限训练数据下最大限度地挖掘分割任务中对剂量预测有辅助功能的本质特征。同时，为了有效利用预测解码器不同尺度下的特征信息，本发明在预测任务解码器端提出一种多尺度迭代融合IMF策略，获得更加精准的预测结果。
-
公开(公告)号：CN111898324A
公开(公告)日：2020-11-06
申请号：CN202010814307.0
申请日：2020-08-13
摘要： 本发明涉及及一种基于分割任务辅助的鼻咽癌三维剂量分布预测方法，具体包括：采集原始鼻咽癌图像并对其进行标注；构建剂量分布预测模型，所述预测模型包括辅助分割网络、剂量预测网络和对抗网络；分割网络和预测网络共享编码器网络参数，通过联合训练分割任务和剂量预测任务来获取两者之间的共享表示信息，增强共享编码器的特征表达能力，促使网络在有限训练数据下最大限度地挖掘分割任务中对剂量预测有辅助功能的本质特征。同时，为了有效利用预测解码器不同尺度下的特征信息，本发明在预测任务解码器端提出一种多尺度迭代融合IMF策略，获得更加精准的预测结果。
-
公开(公告)号：CN110827232B
公开(公告)日：2022-07-15
申请号：CN201911113248.8
申请日：2019-11-14
申请人： 四川大学
摘要： 本发明公开基于形态特征GAN的跨模态MRI合成方法，包括建立MRFE‑GAN模型，包括残差网络模块和模态代表特征提取模块；源模态通过残差网络模块获取到伪目标模态；通过模态代表特征提取模块提取伪目标模态的代表性特征并将其与源模态的基础信息合并，融合生成合成目标模态。本发明能够获得更加真实有效的目标模态；能够有效克服跨域模态之间的信息差异，能够有效地提取不同级别的数据；有效地减少合成模态和真实目标模态的差异，使得合成图像更加真实可靠。
-
公开(公告)号：CN113177462B
公开(公告)日：2022-04-15
申请号：CN202110454332.7
申请日：2021-04-26
申请人： 四川大学
摘要： 本发明公开了一种适用于法庭庭审监控的目标检测方法，首先将法庭庭审视频帧序列逐帧进行列向量化得到待观测矩阵X；再依据得到的待观测矩阵X，对构建的运动目标函数进行求解，得到相应的低秩矩阵和稀疏矩阵，其中低秩矩阵即为背景，稀疏矩阵即为需检测的目标；将稀疏矩阵提取出即得到需检测的目标。本发明针对法庭庭审监控视频中目标识别，基于拉普拉斯混合尺度和最大相关熵准则构建运动目标函数，利用最大相关熵准则对图像中的噪声进行约束，尤其是对非高斯噪声具有更好的鲁棒性，能够对起到很好的噪声抑制效果，使模型能够更加准确地检测出运动目标。
-
公开(公告)号：CN110097512B
公开(公告)日：2021-06-04
申请号：CN201910304511.5
申请日：2019-04-16
申请人： 四川大学
摘要： 本发明公开了一种基于Wasserstein生成对抗网络的三维MRI图像去噪模型的构建方法及应用，本发明以Wasserstein生成对抗网络作为基本模型对MRI噪声图像进行处理，利用大规模数据来进行训练，能够使模型自动从数据中学习噪声图像和无噪声图像之间潜在的关联，并将对抗损失、感知损失和MSE损失引入训练模型损失函数的构建中，使构建的模型对三维MRI图像具有很好的去噪效果。
-
公开(公告)号：CN111784792A
公开(公告)日：2020-10-16
申请号：CN202010621332.7
申请日：2020-06-30
申请人： 四川大学
摘要： 本发明公开了一种基于双域卷积神经网络的快速磁共振重建系统及其训练方法与应用，该快速磁共振重建系统由多个第一数据处理装置和一个第二数据处理装置以级联的方式组合而成；第一数据处理装置包括第一k空间数据处理模块、第一图像域数据处理模块、k空间数据融合模块和图像域数据融合模块；第二数据处理装置包括第二k空间数据处理模块、第二图像域数据处理模块和数据融合输出模块。本发明以并联的形式来设计双域网络结构，两个数据处理装置均可实现k空间数据和图像域数据的并行处理，并结合数据约束处理和数据融合等，重建出高质量的磁共振图像。
-
公开(公告)号：CN109903355B
公开(公告)日：2020-08-04
申请号：CN201910160075.9
申请日：2019-03-04
申请人： 四川大学
IPC分类号： G06T11/00
摘要： 本发明公开了一种基于空谱双域张量自相似的能谱CT重建方法，首先充分利用能谱CT图像在空间域和能谱域的自相似性构建三阶相似张量和能量函数模型，然后采用低秩和稀疏分解将构建的三阶张量单元进行分解，再利用交替方向乘子法对能量函数模型中的目标函数进行优化，去除噪声和伪影，得到重建的CT图像；可以在数据不充分或者噪声过大时，将CT图像完美重建出来，因此可以适用于稀疏角和低剂量情况下的能谱CT重建工作，对于降低CT扫描给人体带来的辐射具有重要意义。
-
公开(公告)号：CN107292346B
公开(公告)日：2019-11-15
申请号：CN201710541559.9
申请日：2017-07-05
申请人： 四川大学
摘要： 本发明涉及一种基于局部子空间学习的MR图像海马体分割算法，首先将已标记图谱配准到目标图像上得到已配准图谱；在N个已配准图谱中以目标体素为中心选择邻域，得到训练样本集；提取纹理和灰度等特征信息构成原始特征空间，对原始特征空间进行MFA的子空间学习；然后通过标签传播，得到目标图像的分割结果。本发明基于局部子空间学习的海马体分割方法，不依赖于配准精度和标签传播的效率，能够将海马体结构和其他脑组织结构更好的区分出来，具有更稳定的分割效果。
-
-
-
-
-
-
-
-
-
搜索结果
72 条记录 (耗时 0.029 秒)
