-
-
公开(公告)号：CN112488953B
公开(公告)日：2024-10-29
申请号：CN202011435111.7
申请日：2020-12-10
申请人： 深圳先进技术研究院
摘要： 本申请涉及一种医学图像降噪方法、系统、终端以及存储介质。所述方法包括：获取标准剂量PET图像和常值图像；将所述标准剂量PET图像和常值图像分别输入衰减函数，得到对应的低剂量含噪PET图像和含噪常值图像；将所述低剂量含噪PET图像和含噪常值图像在宽度维或高度维上进行拼接后，输入到训练好的共轭生成对抗网络中，通过所述共轭生成对抗网络输出去噪后的PET图像和常值图像。本申请实施例通过构建共轭生成对抗网络进行医学图像降噪，该网络结构采用图像转换的共轭机制，增强了对生成对抗网络的约束，可以强化对模型训练的监督，突出模型的训练目标，加快模型的收敛速度，并提高模型的稳定性，提高了低剂量PET成像质量。
-
公开(公告)号：CN111968192B
公开(公告)日：2024-10-22
申请号：CN202010609969.4
申请日：2020-06-29
申请人： 深圳先进技术研究院
IPC分类号： G06T11/00
摘要： 本申请提供一种CT图像构建方法、CT设备及计算机可读存储介质。该方法包括：获取CT设备进行扫描时采集的投影数据；利用投影数据构建图像重建模型，其中，图像重建模型是基于像素邻域块的全变分模型，像素邻域块为以一个像素为中心的像素区域；将预设图像数据输入至图像重建模型并进行迭代运算，以得到图像重建模型输出的重建CT图像。本申请提供的CT图像构建方法通过构建基于像素邻域块的全变分模型，并利用迭代算法求解该重建模型，使得到的重建CT图像分辨率更高，更加清晰。
-
公开(公告)号：CN112651890B
公开(公告)日：2024-10-15
申请号：CN202011507462.4
申请日：2020-12-18
申请人： 深圳先进技术研究院
摘要： 本发明公开了一种基于双编码融合网络模型的PET‑MRI图像去噪方法，以解决现有技术中的PET‑MRI图像去噪方法存在的去噪能力较弱，输出的图像质量不高的问题。方法包括：获取目标对象的正电子发射计算机断层显像PET图像和核磁共振成像MRI图像；将PET图像和MRI图像输入到预先训练得到的双编码融合网络模型中，得到目标对象的PET‑MRI图像；其中，双编码融合网络模型基于PET图像样本和MRI图像样本的融合特征训练得到，双编码融合网络包括密集连接的循环卷积网络和膨胀化卷积网络，密集连接的循环卷积网络用于提取图像的纹理信息；膨胀化卷积网络用于提取图像的空间信息。本发明还公开一种基于双编码融合网络模型的PET‑MRI图像去噪装置、电子设备及计算机可读存储介质。
-
公开(公告)号：CN112669247B
公开(公告)日：2024-09-10
申请号：CN202011433179.1
申请日：2020-12-09
申请人： 深圳先进技术研究院
摘要： 本发明公开了一种用于多任务医学图像合成的先验指导型网络。该网络包括生成器和判别器，其中，所述生成器包含先验指导模块，所述先验指导模块根据先验特征将输入特征图转换为指向目标域的目标模态图像，该先验特征是目标模态图像的深层特征；所述生成器以目标模态图像的先验特征和源模态图像数据作为输入，生成相应的目标域图像；所述判别器用于判断所述生成器输出的目标域图像的真伪。利用本发明能够基于一种模态图像，合成其他类型的多模态图像，并且改善了所生成图像的质量和稳定性，提高了网络训练效率。
-
公开(公告)号：CN112489029B
公开(公告)日：2024-08-20
申请号：CN202011455188.0
申请日：2020-12-10
申请人： 深圳先进技术研究院
摘要： 本申请公开一种基于卷积神经网络的医学图像分割数据增强方法及装置，该方法包括：对获取的原始图像进行边缘增强处理，获得边缘增强的原始图像；将原始图像和边缘增强的原始图像合并生成多通道图像数据；将获得的多通道图像数据作为输入数据输入卷积神经网络模型，将原始图像的标注数据作为卷积神经网络模型拟合的目标，对卷积神经网络模型进行训练，获得卷积神经网络模型参数，以实现对待测图像按照所述标注数据的类型进行分割。用于解决相关技术中由于训练样本数量不足导致的网络泛化性能降低，从而导致网络模型测试误差较大甚至失真的问题。
-
公开(公告)号：CN117710332A
公开(公告)日：2024-03-15
申请号：CN202311738253.4
申请日：2023-12-15
申请人： 中国科学院深圳先进技术研究院
IPC分类号： G06T7/00 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464
摘要： 本申请实施例提供了肺脑图像的处理方法和装置、设备、存储介质，属于AI和数字医疗技术领域。该方法包括：采集医学图像数据和临床特征数据，医学图像数据包括肺部图像和脑部图像，医学图像数据基于正电子发射型计算机断层扫描得到；从临床特征数据筛选出目标临床特征；对肺部图像进行预处理得到肺初步图像；对脑部图像进行预处理得到脑初步图像；对肺初步图像进行深浅特征提取，得到肺部深度特征和肺部浅层特征，对脑初步图像进行深特征提取得到脑深度特征；对目标临床特征、肺部深度特征、肺部浅层特征和脑深度特征进行特征筛选，得到目标特征；根据目标特征进行疾病分类，得到目标疾病类别，本申请实施例可以提高疾病分类的准确性和效率。
-
公开(公告)号：CN117557454A
公开(公告)日：2024-02-13
申请号：CN202311692969.5
申请日：2023-12-08
申请人： 中国科学院深圳先进技术研究院
IPC分类号： G06T3/4053
摘要： 本申请实施例提供了一种磁共振图像超分辨率重建方法、装置、设备及存储介质，属于图像增强技术领域。该方法包括：将全变分范数和可学习的正则项结合到图像重建模型，高斯随机噪声和第一低分辨率磁共振图像输入至图像重建模型，对高斯随机噪声进行高分辨率图像重建，得到第一高分辨率磁共振图像；通过图像重建模型将第一高分辨率磁共振图像退化成第二低分辨率磁共振图像；根据第一低分辨率磁共振图像和第二低分辨率磁共振图像对图像重建模型的网络参数进行优化，得到优化网络参数；根据优化网络参数将高斯随机噪声重建为目标高分辨率磁共振图像，提高了图像重建模型的泛化能力和重建效果。
-
公开(公告)号：CN117357139A
公开(公告)日：2024-01-09
申请号：CN202311192299.0
申请日：2023-09-14
申请人： 中国科学院深圳先进技术研究院
摘要： 本方案涉及一种针对PET/CT系统的双低剂量衰减校正方法，属于医学正电子发射断层成像领域，用于实现在降低辐射剂量的同时，保证成像图像质量。技术方案为：对低剂量的ACCT图像进行多尺度特征提取，获得第一特征图集合 对低剂量未衰减校正的PET图像进行多尺度特征提取，获得第二特征图集合 N为设定值；将第一特征图 第二特征图 进行自适应空间位置对齐，并将对齐后的两个特征图进行匹配和融合，得到第三特征图集合 将第三特征图 进行M次尺度不变特征提取获得衰减校正的特征图 M为设定值；将特征图放大，使其尺寸到与 尺寸相同，并将 与 进行拼接得到衰减校正特征图 基于特征图获取可视的标准剂量的PET图像。
-
公开(公告)号：CN111489404B
公开(公告)日：2023-09-05
申请号：CN202010203143.8
申请日：2020-03-20
申请人： 深圳先进技术研究院
IPC分类号： G06T11/00 , G06N3/0475 , G06N3/045 , G06N3/0464 , G06N3/094
摘要： 本发明公开了一种图像重建方法、图像处理装置及具有存储功能的装置，该图像重建方法包括获取原始图像；根据原始图像得到输入图像数据；在生成器网络根据第一映射函数对输入图像数据进行第一映射运算，以得到输出图像数据；根据输出图像数据形成重建图像。本发明通过在生成器网络根据第一映射函数对原始图像输入图像数据进行第一映射运算，以得到输出图像数据，从而直接实现图像重建，能够实现低剂量放射性示踪剂的影像的清晰呈现，有利于医生的临床诊断；由于映射方式采集的数据量较小，使得图像重建速度较快，有利于提高工作效率，并且其所需的扫描时间也较短，能够避免伪影的出现，从而提高影像质量。
-
-
-
-
-
-
-
-
-
搜索结果
279 条记录 (耗时 0.037 秒)
