-
公开(公告)号：CN106991651B
公开(公告)日：2019-10-29
申请号：CN201611138095.9
申请日：2016-12-12
Applicant: 南昌大学
IPC: G06T5/00
Abstract: 一种基于合成分析反卷积网络的快速成像方法，包括以下步骤：在融入DN和MRF先验信息的合成分析反卷积网络上用图像库进行滤波器学习；在滤波器训练过程中利用轮换技术、半二次分离技术和迭代重加权最小二乘法更新滤波器和稀疏系数；在已训练的滤波器基础上，从欠采样K空间中获取初始图像，建立图像重建模型；在重建模型上利用轮换技术、半二次元分离技术和迭代重加权最小二乘法进行稀疏系数和目标图像更新；满足收敛条件得到重建图像。本发明在一定程度上提高了图像重建的精度，同时还提供了一种运用上述合成分析反卷积网络的快速成像方法的基于合成分析反卷积网络的快速成像系统，能够得到较高精度的重建图像。
-
公开(公告)号：CN106056554A
公开(公告)日：2016-10-26
申请号：CN201610383443.2
申请日：2016-06-01
Applicant: 南昌大学
IPC: G06T5/00
CPC classification number: G06T5/001 , G06T2207/10088 , G06T2207/20192 , G06T2207/30004
Abstract: 一种梯度域卷积稀疏编码的磁共振快速成像方法，按以下步骤：步骤A：把磁共振图像转换到梯度域中，在水平梯度图像和垂直梯度图像上进行滤波器学习，建立图像稀疏模型。步骤B：通过引入辅助变量，并利用轮换技术交替更新滤波器和稀疏参数，恢复水平梯度和垂直梯度，然后在这两个方向上重建图像。本发明把图像转换为梯度域后，可以更好地稀疏表示，然后利用卷积稀疏编码对梯度域里的整幅图像进行稀疏重建。由于对整幅图像进行处理，可以很好地保留相邻图像块间的潜在信息，因此可以更好地重建磁共振图像，达到令人满意的效果。
-
公开(公告)号：CN104714200A
公开(公告)日：2015-06-17
申请号：CN201410714375.4
申请日：2014-12-01
Applicant: 南昌大学
IPC: G01R33/56
Abstract: 一种基于广义双层伯格曼非凸型字典学习的磁共振超欠采样K数据成像方法，包括：(a)在双层伯格曼字典学习框架上融入带非凸函数p范数先验信息进行字典学习和系数稀疏，建立图像稀疏表示模型；(b)在双层伯格曼迭字典学习内层迭代上利用增加辅助变量和轮换技术更新学习字典和稀疏系数，特别地利用广义软阈值迭代方法求解非凸p范数先验信息的目标函数，更新稀疏系数；(c)在双层伯格曼字典学习外层迭代上进行图像更新，得到重建图像。本发明通过广义软阈值迭代方法求解带非凸p范数先验信息的目标函数，可以在更大范围内惩罚小系数且对大系数偏差更小，进一步地稀疏表示图像，在少的扫描测量下精确地重建图像，减少重建图像的伪影，恢复更多图像细节。
-
公开(公告)号：CN112931325A
公开(公告)日：2021-06-11
申请号：CN202110391764.8
申请日：2021-04-13
Applicant: 南昌大学
Abstract: 本发明提供了一种利用富营养化水质养殖河蚌的方法和装置，该方法包括：选择富营养化水质的池塘；投放养殖蚌；根据鱼类的食性投放当地适于养殖的鱼类；每间隔一段时间在所述池塘中投放一次小球藻、EM菌和发酵菌。本发明不需选择水质良好的池塘，利用富营养化水质养殖河蚌的同时养殖商品鱼类，养殖期间投入的小球藻、EM菌和发酵菌一方面用于调节水质，另一方面还可以作为养殖蚌和商品鱼类的饲料，本发明提供的一种利用富营养化水质养殖河蚌方法完全不使用农药和化肥，绿色环保，是一种全新的动植物共生的生态系统，可通过蚌和滤水性鱼两次治水改善水质，解决了现有技术中，养殖前期投入大、经济效益低、不环保的技术问题。
-
公开(公告)号：CN109242798A
公开(公告)日：2019-01-18
申请号：CN201811078556.7
申请日：2018-09-14
Applicant: 南昌大学
Abstract: 本发明提供了一种基于三段子网络表示的泊松去噪方法，包括以下步骤：步骤(a)：像素值全为1的输入图像经过卷积处理后与经过两个卷积算子的含噪图像相加，得到中间处理图像1；步骤(b)：将中间处理图像1经过一个无batch normalization层的resnet模块处理后，得到中间处理图像2；步骤(c)：对步骤(b)进一步使用两个卷积后，与像素值为1的图相加，得到最终结果；本发明继承和扩展了传统方差稳定变换方案的结构和优势，通过网络设计和监督学习的方法，利用三个子网络处理非线性学习映射，网络的拓宽大大提高了去噪性能；与传统的迭代去噪方法相比，本发明具有更好的去噪性能，特别是在低信噪比的情况下图像恢复效果更加优越。
-
Patent Agency Ranking
公开(公告)号：CN106991651A
公开(公告)日：2017-07-28
申请号：CN201611138095.9
申请日：2016-12-12
Applicant: 南昌大学
IPC: G06T5/00
Abstract: 一种基于合成分析反卷积网络的快速成像方法，包括以下步骤：在融入DN和MRF先验信息的合成分析反卷积网络上用图像库进行滤波器学习；在滤波器训练过程中利用轮换技术、半二次分离技术和迭代重加权最小二乘法更新滤波器和稀疏系数；在已训练的滤波器基础上，从欠采样K空间中获取初始图像，建立图像重建模型；在重建模型上利用轮换技术、半二次元分离技术和迭代重加权最小二乘法进行稀疏系数和目标图像更新；满足收敛条件得到重建图像。本发明在一定程度上提高了图像重建的精度，同时还提供了一种运用上述合成分析反卷积网络的快速成像方法的基于合成分析反卷积网络的快速成像系统，能够得到较高精度的重建图像。
-
公开(公告)号：CN104574456A
公开(公告)日：2015-04-29
申请号：CN201410707447.2
申请日：2014-12-01
Applicant: 南昌大学
IPC: G06T11/00
Abstract: 一种基于图正则化稀疏编码的磁共振超欠采样K数据成像方法，包括以下步骤：(a)：在双层伯格曼迭代框架上进行图正则化稀疏编码表示，得到图像稀疏模型；(b)：引入辅助变量和轮换求解的技术，在双层伯格曼迭代的内层迭代上更新学习字典和稀疏系数；(c)：利用部分超欠采样的K数据约束，在双层伯格曼迭代的外层迭代上进行图像更新，以得到成像结果。本发明通过自适应字典学习引入图正则化稀疏编码方法，建立邻近图来编码局部结构数据以及挖掘其在几何数据方面的约束，使得图像数据可以更好的稀疏表示；另外本发明可以处理局部几何特征更复杂的图像，能有效的捕获局部的图像结构，恢复出更多的图像细节，得到的图像结果具有更好的保真度。
-
公开(公告)号：CN119006792A
公开(公告)日：2024-11-22
申请号：CN202411137481.0
申请日：2024-08-19
Applicant: 南昌大学
Abstract: 针对临床医生劳动强度大，骨科医生工作效率低等问题，运用深度学习的方法在医学影像分析中的应用日趋广泛。本发明提出了一种基于x线片的椎体压缩性骨折识别方法，通过改进YOLOv8模型结构，引入C2f‑DAttention模块、LSKA模块和动态检测头，旨在提高模型的识别精度和效率，并降低计算复杂度和内存占用，从而提供一种快速、准确、低成本的椎体压缩性骨折自动化检测方法，助力临床医生提高诊断效率和准确性。改进后的实验模型在数据集上，与原模型yolov8m相比mAP50提升了9.1%，mAP50‑95提升了16.6%,分别为89.6%和71%。因此，所提出方法在不增加模型计算复杂度的同时，提升了压缩性骨折的算法精度，为实现准确的椎体压缩性骨折诊断提供了有效手段。
-
公开(公告)号：CN109242798B
公开(公告)日：2021-07-20
申请号：CN201811078556.7
申请日：2018-09-14
Applicant: 南昌大学
Abstract: 本发明提供了一种基于三段子网络表示的泊松去噪方法，包括以下步骤：步骤(a)：像素值全为1的输入图像经过卷积处理后与经过两个卷积算子的含噪图像相加，得到中间处理图像1；步骤(b)：将中间处理图像1经过一个无batch normalization层的resnet模块处理后，得到中间处理图像2；步骤(c)：对步骤(b)进一步使用两个卷积后，与像素值为1的图相加，得到最终结果；本发明继承和扩展了传统方差稳定变换方案的结构和优势，通过网络设计和监督学习的方法，利用三个子网络处理非线性学习映射，网络的拓宽大大提高了去噪性能；与传统的迭代去噪方法相比，本发明具有更好的去噪性能，特别是在低信噪比的情况下图像恢复效果更加优越。
-
公开(公告)号：CN112862950A
公开(公告)日：2021-05-28
申请号：CN202110089104.4
申请日：2021-01-22
Applicant: 南昌大学
Abstract: 本发明涉及磁共振成像领域，公布了一种基于低秩张量编码的快速心肌灌注磁共振成像方法，包括以下步骤：步骤(a)：采用k近邻方法按照一定的相似性准则在心肌灌注图像帧中搜索三维立体相似块并聚类构建三维低秩张量；步骤(b)：对构建的三维低秩张量进行高阶奇异值分解，以利用心肌灌注序列图像的空‑时冗余；步骤(c)：引入增广拉格朗日技术，建立基于低秩张量编码的图像重建模型；步骤(d)：利用交替方向乘子法对重建模型进行求解，得到成像结果。本发明通过低秩张量编码挖掘心肌灌注磁共振图像的空‑时冗余，使得图像数据可以更好地稀疏表示，在超欠采样下得到令人满意的图像重建效果，从而加快心肌灌注磁共振成像的速度。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.029 seconds)
