公开(公告)号：CN112137581A

公开(公告)日：2020-12-29

申请号：CN202010873011.6

申请日：2020-08-26

申请人： 西北大学

发明人： 曹欣 ,  闫峰 ,  杨佳楠 ,  王忠昊 ,  赵凤军 ,  李康 ,  耿国华 ,  周明全

IPC分类号： A61B5/00

摘要： 本发明属于光学分子影像技术领域，公开了一种基于多层感知网络的契伦科夫荧光断层成像重建方法，生成网格化后的样本模型，并生成训练样本；构建契伦科夫荧光断层成像的多层感知网络并进行训练，多层感知网络可以分为前向网络A和逆向网络B；采集生物体表面的契伦科夫荧光信号，重建得到生物体内部契伦科夫荧光光源三维分布信息；将得到的初步重建结果映射到构建的网格化后的样本模型中，再将其输入到多层感知网络，得到精确重建结果。本发明的方法得到的重建结果与真实光源从形状和位置上来说都更加接近，能够较为准确的重建出了契伦科夫荧光光源。

公开(公告)号：CN111047605B

公开(公告)日：2023-04-07

申请号：CN201911234498.7

申请日：2019-12-05

申请人： 西北大学

发明人： 周明全 ,  闫峰 ,  田丰源 ,  杨嘉楠 ,  耿国华

IPC分类号： G06T7/11 ,  G06T3/40 ,  G06N3/045 ,  G06N3/08

摘要： 本发明公开了一种脊椎CT分割网络模型的构建方法及分割方法。方法包括：首先对CT数据集进行预处理；接着训练Attention‑Net网络得到脊椎位置像素分布模型，然后训练DenseUnet网络得到预测先验信息的模型；接着使用拼接数据对DenseUnet网络进行训练得到多通道拼接DenseUnet网络模型；利用三个训练好的模型进行CT数据分割。本发明解决脊椎CT数量少，分割效率低，需要人工干预以及传统DenseUnet需要参数过多等问题；同时也提高了分割的精确度。

公开(公告)号：CN111047605A

公开(公告)日：2020-04-21

申请号：CN201911234498.7

申请日：2019-12-05

申请人： 西北大学

发明人： 周明全 ,  闫峰 ,  田丰源 ,  杨嘉楠 ,  耿国华

IPC分类号： G06T7/11 ,  G06T3/40 ,  G06N3/04 ,  G06N3/08

摘要： 本发明公开了一种脊椎CT分割网络模型的构建方法及分割方法。方法包括：首先对CT数据集进行预处理；接着训练Attention-Net网络得到脊椎位置像素分布模型，然后训练DenseUnet网络得到预测先验信息的模型；接着使用拼接数据对DenseUnet网络进行训练得到多通道拼接DenseUnet网络模型；利用三个训练好的模型进行CT数据分割。本发明解决脊椎CT数量少，分割效率低，需要人工干预以及传统DenseUnet需要参数过多等问题；同时也提高了分割的精确度。