-
公开(公告)号：CN104574416B
公开(公告)日：2017-10-13
申请号：CN201510040324.2
申请日：2015-01-27
Applicant: 南方医科大学
IPC: G06T5/00
Abstract: 一种低剂量能谱CT图像去噪方法，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，并分别对低能量CT投影数据和高能量CT投影数据进行CT图像重建，获得低能量CT图像和高能量CT图像，其中H表示高能，L表示低能；（2）根据步骤（1）中的重建数据所满足的基物质分解模型，构建用于能谱CT图像去噪的数学模型；（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图像去噪的目标函数；（4）对步骤（3）中构建的用于能谱CT图像去噪的目标函数采用分裂Bregman算法求解，完成能谱CT图像去噪。本发明利用能谱CT中高低能量图像满足的基物质分解模型，结合能谱CT图像信息和基物质图像信息，实现了能谱CT图像去噪。
-
公开(公告)号：CN106204545A
公开(公告)日：2016-12-07
申请号：CN201610502579.0
申请日：2016-06-28
Applicant: 南方医科大学
CPC classification number: G06T7/0012 , G06K9/6223 , G06K9/6234 , G06T2207/10081 , G06T2207/10088 , G06T2207/10132 , G06T2207/30096
Abstract: 本发明涉及识别医学病灶图像技术领域，具体涉及一种基于区域划分和Fisher向量的医学病灶图像特征表达方法。该方法以膨胀后的病灶区域为感兴趣区(ROI)，然后根据ROI内所有像素灰度值大小，将ROI划分成N个子区域；在每个子区域内，提取小的图像块作为局部特征描述子；使用Fisher向量(Fisher vector,FV)算法将每个子区域的局部特征集分别聚合成一个向量，然后将得到的N个向量首尾相连，得到医学病灶图像的特征表达。本发明所述的特征表达方法利用了病灶周围区域信息和空间位置信息，并且使用了与常用的词袋模型相比更为有效的FV算法，使得构建的特征表达更具判别性，从而有助于提高临床辅助诊断的准确性。
-
公开(公告)号：CN103049930B
公开(公告)日：2016-07-06
申请号：CN201210525373.1
申请日：2012-12-06
Applicant: 南方医科大学
Abstract: 本发明公开了一种三维医学图像动态高斯体模型绘制方法，包括以下步骤：（a）把图像序列保存为三维纹理以用于后面的纹理检索采样；（b）由视点到图像序列的最表面外层像素引射线穿过体数据，对每条射线上进行等间隔采样，得到采样点处的密度值；（c）使用传递函数将采样点的密度值映射为颜色和不透明度；（d）根据当前采样点与焦点的距离和角度信息，构建高斯模型，对采样点的不透明度进行修正；（e）沿光线方向对所有采样点的不透明度和颜色进行累加，最终得到投射到屏幕一点的颜色值。该方法可以清晰显示焦点区域处的内部结构同时保留了焦点周围的组织结构，而不像传统的统一剖切，达到了焦点加上下文的效果。
-
公开(公告)号：CN103400376B
公开(公告)日：2016-04-06
申请号：CN201310302122.1
申请日：2013-07-19
Applicant: 南方医科大学
IPC: G06T7/00
Abstract: 一种乳腺动态增强磁共振图像序列的配准方法，包括（1）读取DCE-MRI图像序列同一层所有时间帧的图像数据；（2）对增强前后的图像进行粗配准，求出形变场初始估计；（3）对DCE-MRI图像序列进行运动补偿，计算每个时间点的增强场；（4）建模并求解时间序列增强场；（5）对DCE-MRI图像序列进行“去增强”处理；（6）求解形变场；（7）判断时间序列增强场和形变场的解是否收敛，如果不收敛，将当前求解出的形变场作为当前估计的形变场，进入步骤（3）；如果收敛，则进入步骤进行图像序列的配准。本发明配准准确、计算量少，且能同时估计时间序列增强场。
-
公开(公告)号：CN103136772B
公开(公告)日：2016-01-20
申请号：CN201310017958.7
申请日：2013-01-17
Applicant: 南方医科大学
IPC: G06T11/00
Abstract: 本发明公开了一种基于加权阿尔法散度约束的X射线低剂量CT图像重建方法，包括：（1）利用CT成像设备获取低剂量CT投影数据以及成像系统参数；（2）采用阿尔法散度测度作为原始含噪声的投影数据与待恢复的投影数据的距离测度，并根据获取的系统参数计算阿尔法散度测度的权重因子，构建基于加权阿尔法散度约束的投影数据恢复模型；（3）对构建的投影数据恢复模型进行目标函数求解，建立迭代算法格式；（4）对获取的低剂量CT投影数据，应用建立的迭代算法格式对投影数据恢复模型进行迭代求解；（5）对获得的恢复后投影数据进行图像重建。本发明公开的低剂量CT图像重建方法在CT图像的噪声抑制、边缘保持方面均有上佳表现。
-
Patent Agency Ranking
公开(公告)号：CN103218788B
公开(公告)日：2015-12-02
申请号：CN201310144276.2
申请日：2013-04-24
Applicant: 南方医科大学
IPC: G06T5/00
Abstract: 一种肝脏磁共振横向弛豫率R2*参数的测量方法，包括：（1）获得磁共振肝脏图像、绘制全肝感兴趣区域；（2）获得去噪后的磁共振肝脏图像；再获取去噪后磁共振肝脏图像的全肝感兴趣区域内的每个像素灰度，将每个像素的灰度与回波时间拟合到单指数模型在非中心Chi噪声影响下的一阶矩模型式子（I）中，获得全肝R2*图；（3）将全肝感兴趣区域的R2*值分成两类，分别对应于肝实质和血管；再获得肝实质感兴趣区域；（4）计算各回波图像肝实质感兴趣区域的灰度均值、回波时间，拟合到式子（I）中，获得最终的肝实质R2*值。本发明的方法能够提高横向弛豫率R2*参数的精确度且重复性好。
-
公开(公告)号：CN104794739A
公开(公告)日：2015-07-22
申请号：CN201510216586.X
申请日：2015-05-03
Applicant: 南方医科大学
IPC: G06T11/00
Abstract: 一种基于局部稀疏对应点组合的从MR图像预测CT图像的方法，包括（1）测试MR图像进行归一化处理；（2）对测试MR图像的点x，提取以x为中心的图像块，获得测试样本 ；（3）从MR训练集图像中，提取参照局部搜索窗内每个参照点的特征块构成MR字典；（4）从MR训练集图像中选取与测试样本 k个相似的块形成MR字典，获得CT字典；（5）探测CT字典的离群值，得到CT字典)和MR字典（6）求解字典系数；（7）加权合并CT字典)，预测点x的CT值；（8）对MR测试图像中每个点重复步骤（2）-（7），最后对重叠的图像块加权合并，获得每个点的CT值，得到预测CT图像。本发明能够从多模态MR图像准确预测CT图像。
-
公开(公告)号：CN104574416A
公开(公告)日：2015-04-29
申请号：CN201510040324.2
申请日：2015-01-27
Applicant: 南方医科大学
IPC: G06T7/00
CPC classification number: G06T5/002 , G06T2207/10081 , G06T2207/20172
Abstract: 一种低剂量能谱CT图像去噪方法，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，并分别对低能量CT投影数据和高能量CT投影数据进行CT图像重建，获得低能量CT图像 和高能量CT图像，其中H表示高能，L表示低能；（2）根据步骤（1）中的重建数据所满足的基物质分解模型，构建用于能谱CT图像去噪的数学模型；（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图像去噪的目标函数；（4）对步骤（3）中构建的用于能谱CT图像去噪的目标函数采用分裂Bregman算法求解，完成能谱CT图像去噪。本发明利用能谱CT中高低能量图像满足的基物质分解模型，结合能谱CT图像信息和基物质图像信息，实现了能谱CT图像去噪。
-
公开(公告)号：CN103942763A
公开(公告)日：2014-07-23
申请号：CN201410183320.5
申请日：2014-05-03
Applicant: 南方医科大学
Abstract: 一种基于MR信息引导的体素水平PET图像部分容积校正方法，包括如下步骤：(1)分别利用MR成像设备与PET成像设备采集同一目标物的MR与PET图像数据，获得目标物的MR图像与PET图像，同时获取PET成像设备中探测器的系统分辨率；(2)构建用于PET图像部分容积校正的模型；(3)得到带约束的PET图像部分容积校正目标函数；(5)对步骤(4)得到的带约束的PET图像部分容积校正目标函数进行迭代求解，得到校正的PET图像。本发明能够抑制图像噪声，大幅提高PET图像量化水平。
-
公开(公告)号：CN103366183A
公开(公告)日：2013-10-23
申请号：CN201310302124.0
申请日：2013-07-19
Applicant: 南方医科大学
Abstract: 一种局灶性病灶的非参数自动检测方法，预先以已经勾画好病灶的医学病灶图像作为样本构建样本集A1数据库，分别提取样本集A1中每一幅图像的目标区域和背景区域的局部描述子，得到样本集A1中所有目标区域局部描述子组成的目标特征库F1和样本集A1中所有背景区域局部描述子组成的背景特征库F2；处理时具体包括下列步骤：（1）将待处理的医学病灶图像I分为多个子区域；（2）用NBNN分类器对每个子区域进行分类；（3）计算目标函数，得到病灶检测结果。本发明不需预先建立参数化模型，且不需要对图像局部描述子进行量化，应用灵活，图像局部描述子鉴别能力强，能精确检测局灶性病灶。
-
-
-
-
-
-
-
-
-
Search Results
144
records
(took 0.025 seconds)
