一种基于扩散学习和小波变换的B超医学影像分类方法

    公开(公告)号:CN118334444A

    公开(公告)日:2024-07-12

    申请号:CN202410535350.1

    申请日:2024-04-29

    Applicant: 东北大学

    Abstract: 本发明的一种基于扩散学习与小波变换的B超医学影像分类方法是将扩散去噪模型与小波变换频域分量重分配相结合的一种新的医学影像分类方法,能够在包含冗余信息的小数据集上进行训练,并得到较高的准确率。在图像去噪阶段利用扩散模型加噪去噪并学习还原图像能力的特点,将输入图像优化为更适合机器捕捉特征的特征增强图像,此外,保留传统的TNT分类模型的ViT嵌套方法,通过线性层投影后,将像素嵌入信息加入到图像块嵌入向量中,进一步增强模型的特征提取能力。同时在两次图像化分阶段中,分别使用小波频域分量重分配,增强对特征的捕捉。本发明方法解决了其他传统医学影像分类方法对数据集数量级及裁剪精度要求高、分类不够准确的问题。

    一种基于CFBP-SART-FTV迭代重建的不完全投影CT重建方法

    公开(公告)号:CN117876523A

    公开(公告)日:2024-04-12

    申请号:CN202410086070.7

    申请日:2024-01-22

    Applicant: 东北大学

    Abstract: 本发明提出一种基于CFBP‑SART‑FTV迭代重建的不完全投影CT重建方法,是根据现有图像重建算法基于不完全投影数据重构过程的特点,在现有图像重建算法基础上提出新的改进方法。首先,对不完全投影数据执行FBP重构,然后基于差值投影数据低信噪比和Ram‑Lak滤波器会放大投影数据中高频噪声的特点应用改进的CFBP方法来补充FBP重构图像的边缘信息,再将CFBP方法优化的先验图像作为SART迭代初始条件,并利用改进的八方向二分均值FTV项梯度算子对重构后的切片进行校正,将SART‑FTV迭代重建结果作为CFBP方法执行的先验信息,补全的CFBP又提供更精确的初始条件来优化SART‑FTV迭代过程,CFBP和SART‑FTV过程不断迭代循环优化,使重建图像收敛于原始图像。本发明有效解决了传统FBP算法由于投影缺失角范围的增大而出现的角度伪影,解决了SART算法由于缺乏约束方程而使重构解位于过大的解域中的随机点上,解决了传统的具有单一梯度的TV算法导致重构图像中边缘和细节信息丢失的问题。

Patent Agency Ranking