-
公开(公告)号：CN108257132A
公开(公告)日：2018-07-06
申请号：CN201810180568.4
申请日：2018-03-05
Applicant: 南方医科大学
IPC: G06T7/00
Abstract: 一种基于机器学习的CT图像质量评估的方法，具体步骤如下：对CT图像的质量进行评分，并建立建模CT图像质量评估数据库，从数据库中选取样本作为训练数据集TrainSets，并对样本进行预处理操作，训练数据集TrainSets对机器学习的方法进行训练，并获得CT图像质量评估模型，将预测CT图像输入至CT图像质量评估模型中，得到CT图像的质量分数QDCNN。本发明仅需要任意CT图像数据，即可获得该CT图像质量分数，还可以有效地通过CT图像预测图像对应质量分数，成像系统的硬件没有特殊要求，操作简便、结果准确、鲁棒性强、执行效率高。
-
公开(公告)号：CN107492132A
公开(公告)日：2017-12-19
申请号：CN201710767445.6
申请日：2017-08-31
Applicant: 南方医科大学
Abstract: 一种数字层析成像系统的图像伪影去除方法，包括如下步骤：A1、获取数字层析成像系统的原始投影数据y，A2、分割，对原始投影数据y进行分割，A3、将高衰减物质投影数据yHighAtt生成掩模数据yHighAttMask。A4、滤波，对原始投影数据y进行滤波操作，A5、重建，将软组织投影数据yTissue重建得到软组织重建图像μTissue。对高衰减物质投影数据yHighAttFiltered进行重建，得到高衰减物质重建图像μHighAtt，A6、获得最终图像，将没有伪影的总高衰减物质重建图像μHighAtt-FreeArtifacts与软组织重建图像μTissue求和得到最终去除伪影的图像数据μ。
-
公开(公告)号：CN103247061B
公开(公告)日：2017-02-15
申请号：CN201310045123.2
申请日：2013-02-05
Applicant: 南方医科大学
IPC: G06T11/00
Abstract: 一种X射线CT图像的增广拉格朗日迭代重建方法，其特征在于：依次包括如下步骤：（1）获取CT设备的系统参数和低剂量扫描协议下的投影数据 ；（2）对步骤（1）中的投影数据 进行逐个数据点上的方差 估计，并对步骤（1）中的投影数据 进行滤波反投影得到初始图像；（3）以步骤(2)中得到的初始图像作为迭代的初始图像进行迭代重建，根据迭代公式、进行循环迭代，获得最终的重建图像。本发明同时提出了对上述迭代公式的优化算法。本发明适用性宽，迭代次数少，成像质量高。
-
公开(公告)号：CN104751429A
公开(公告)日：2015-07-01
申请号：CN201510040428.3
申请日：2015-01-27
Applicant: 南方医科大学
IPC: G06T5/10
Abstract: 基于字典学习的低剂量能谱CT图像处理方法，包括，（1）获取成像对象在低剂量射线下的低能量CT投影数据和高能量CT投影数据，进行重建获得低剂量下低能量CT图像 和高能量CT图像；（2）进行物质分解，获得低剂量下的水基图和骨基图；（3）构建用于能谱CT图像成像的目标函数；（4）对目标函数采用分裂Bregman算法求解，得到能谱CT图像成像结果。本发明采用基于字典学习的稀疏表达模型，结合能谱CT基物质图像间的梯度信息，实现了对能谱CT基物质图像去噪。可实现使用低剂量发射的同时，仍能保证产生高质量的能谱CT基物质图像。
-
公开(公告)号：CN104408758A
公开(公告)日：2015-03-11
申请号：CN201410634345.2
申请日：2014-11-12
Applicant: 南方医科大学
Abstract: 一种低剂量能谱CT图像重建方法，包括：（1）获取成像对象在低剂量射线下的能谱CT图像的低能量CT投影数据和高能量CT投影数据，并同时获取相应的校正参数，系统矩阵及系统电子噪声的方差；（2）根据步骤（1）中的低能量CT投影数据和高能量CT投影数据满足的统计特性和基物质分解模型，构建用于能谱CT图像重建的数学模型；（3）利用广义全变分作为正则化先验，结合步骤（2）得到的数学模型构建用于能谱CT图像重建的目标函数；（4）采用迭代算法对步骤（3）中构建的用于能谱CT图像重建的目标函数进行求解，完成能谱CT图像重建。本发明能够实现低剂量扫描协议下能谱CT图像的优质重建。
-
Patent Agency Ranking
公开(公告)号：CN102314698B
公开(公告)日：2014-03-05
申请号：CN201110228325.1
申请日：2011-08-10
Applicant: 南方医科大学
Abstract: 本发明公开了一种基于阿尔法散度约束的全变分最小化剂量CT重建方法，包括以下步骤：(1)利用CT成像设备采集原始投影数据，对采集到的投影数据进行CT图像预重建；(2)将步骤(1)的结果作为初值，并构建CT重建模型；(3)采用迭代过程求解步骤(2)中CT重建模型，对每步迭代后的结果进行全变分图像恢复，同时判断每步迭代后的结果是否满足终止迭代条件：若否，将全变分恢复得到的图像数据作为下一步迭代初值并继续迭代过程；若是，则将当前全变分恢复得到的图像数据作为最终重建结果。该方法可实现根据低剂量的CT成像设备投影数据即可重建并得到高质量的CT重建图像。
-
公开(公告)号：CN103559728A
公开(公告)日：2014-02-05
申请号：CN201310527719.6
申请日：2013-10-31
Applicant: 南方医科大学
IPC: G06T11/00
Abstract: 一种基于解剖功能联合先验模型的PET图像最大后验重建方法，依次包括：（1）获取重建的PET数据；（2）构建用于重建图像的数学统计模型；（3）对步骤（2）中的数学统计模型，采用最大似然—期望最大法进行求解得到PET初值图像；（4）将预先获取的MRI图像与步骤（3）得到的PET初值图像进行配准；（5）根据步骤（4）的配准MRI图像与PET初值图像的联合先验模型，采用最大后验方法对步骤（2）构建的PET图像的数学统计模型进行重建，得到带约束目标函数的优化方程；（6）对带约束目标函数的优化方程进行迭代计算，得到PET重建图像。本发明能抑制PET图像重建中产生的噪声、提高建图像质量。
-
公开(公告)号：CN103413280A
公开(公告)日：2013-11-27
申请号：CN201310374871.5
申请日：2013-08-26
Applicant: 南方医科大学
IPC: G06T5/00
Abstract: 一种低剂量X射线CT图像重建方法，依次包括如下步骤：（1）获取CT设备的成像系统参数和低剂量CT扫描协议下的投影数据；（2）根据步骤（1）获得的投影数据，计算逐个数据点上的投影数据方差，其中表示数据点的位置，表示所有数据点的个数；（3）根据（2）中估计的方差，构建投影数据恢复模型；（4）根据步骤（1）获得的投影数据，应用步骤（3）的投影数据恢复模型进行求解，得到恢复后的投影数据；（5）根据步骤（4）得到的恢复后的投影数据进行图像重建，得到重建后的CT图像。本发明可以在大幅减少图像噪声和伪影的同时较好地保持原有图像的分辨率，最终实现CT图像的优质重建。
-
公开(公告)号：CN102737392B
公开(公告)日：2013-11-06
申请号：CN201210186972.5
申请日：2012-06-07
Applicant: 南方医科大学
IPC: G06T11/00
Abstract: 本发明公开了一种低剂量X线CT图像的非局部正则化先验重建方法，包括(1)利用X线CT成像设备采集病人先前扫描的标准剂量图像；(2)利用X线CT成像设备在Low-mAs扫描协议下采集病人的CT投影数据，并同时获取相应的校正参数及系统矩阵；(3)根据步骤(2)中获得的投影数据满足的统计分布，构建用于图像重建的数学模型；(4)利用步骤(1)中的标准剂量图像构建先前标准剂量图像导引的非局部正则化先验，并采用最大后验估计方法进行模型转化，结合步骤(3)得到的数学模型构建用于重建图像的目标函数；(5)对步骤(4)中构建的用于CT图像重建目标函数采用迭代算法进行求解，完成图像重建。本发明可以实现Low-mAs扫描协议下低剂量CT图像的重建。
-
公开(公告)号：CN102750676A
公开(公告)日：2012-10-24
申请号：CN201210186987.1
申请日：2012-06-07
Applicant: 南方医科大学
IPC: G06T5/00
Abstract: 本发明公开基于余弦变换的X线CT医学影像投影数据自适应阈值滤波重建方法，包括（1）利用CT设备采集低管电流扫描协议条件下的投影数据，并获取相关成像参数；（2）对投影数据的二阶矩统计特征进行估计；（3）对采集的投影数据进行基于灰度特征的自适应分割；（4）对步骤（3）中分割后的投影数据进行离散余弦变换；（5）利用步骤（2）中计算的投影数据方差，对步骤（4）中获得的离散余弦变换后的投影数据进行数据阈值滤波建模；（6）对步骤（5）获取的滤波后数据进行逆离散余弦变换，获得重建前的滤波后投影数据；（7）对步骤（6）获得的滤波后投影数据，采用解析重建方法实现CT图像的重建。该方法能实现CT图像的优质重建。
-
-
-
-
-
-
-
-
-
Search Results
69
records
(took 0.03 seconds)
