-
公开(公告)号:CN117934398A
公开(公告)日:2024-04-26
申请号:CN202410045903.5
申请日:2024-01-12
申请人: 复旦大学附属儿科医院
IPC分类号: G06T7/00 , G06V10/52 , G06N3/0464 , G06N3/084
摘要: 本发明提供一种基于多尺度特征的无参考CT图像质量评估方法,包括如下步骤:步骤S1,从Mayo Clinic数据集生成不同质量的CT图像训练集。步骤S2,基于卷积神经网络,构建无参考的CT质量评估网络。步骤S3,将步骤S1的训练集输入到CT质量评估网络中,训练网络直到网络收敛。步骤S4,将待测CT图像输入训练好的CT质量评估网络中,获取CT图像的质量评分。本发明结合多尺度特征提取、结构评价分支、特征评价分支和质量系数分支的CT质量评估网络,能针对CT图像中的细节和整体结构,产生精确的质量评估分数,从而实现对CT图像质量的量化评估。
-
公开(公告)号:CN118229563A
公开(公告)日:2024-06-21
申请号:CN202410045620.0
申请日:2024-01-12
申请人: 复旦大学附属儿科医院
IPC分类号: G06T5/70 , G06T5/73 , G06T5/60 , G06N3/047 , G06N3/0464 , G06N3/0455 , G06N3/084
摘要: 本发明提供一种基于贝叶斯神经网络的低剂量CT图像质量增强方法,包括如下步骤:步骤S1,使用Mayo Clinic数据集作为训练集。步骤S2,基于贝叶斯卷积层构建用于增强低剂量CT图像质量的贝叶斯神经网络。步骤S3,对训练集进行数据增强后,输入到贝叶斯神经网络中,训练贝叶斯神经网络,直到网络收敛。步骤S4,使用训练完成的贝叶斯神经网络对低剂量CT图像进行计算,生成质量增强的低剂量CT图像。
-