-
公开(公告)号：CN119648554A
公开(公告)日：2025-03-18
申请号：CN202510173606.3
申请日：2025-02-18
Applicant: 南昌大学
IPC: G06T5/60 , G06T5/70 , G06T3/4053 , G06T3/4046 , G06N3/0464 , G06N3/045 , G06N3/0475 , G06N3/0499 , G06N3/088
Abstract: 本发明公开一种基于Mean‑reverting扩散模型的AR‑PAM图像增强和降噪方法。该方法通过反向SDE的扩散过程，利用Mean‑reverting扩散模型将高分辨率图像转换为固定高斯噪声状态，并通过反向SDE过程恢复原始的高分辨率图像，从而实现AR‑PAM图像的分辨率增强和噪声抑制。与传统方法相比，本发明能够在不牺牲AR‑PAM成像深度的前提下显著提高图像的横向分辨率，并有效抑制噪声。通过对模拟数据和体内实验数据的验证，本发明所提出的方法在多种退化场景下均表现出卓越的增强效果，尤其是在高噪声和低分辨率条件下，能够显著提高图像的峰值信噪比和结构相似性，从而为光声显微成像技术的应用扩展提供新的可能性。
-
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：CN118566130A
公开(公告)日：2024-08-30
申请号：CN202410602566.5
申请日：2024-05-15
Applicant: 南昌大学
Abstract: 本发明公开了一种基于修正拉普拉斯算子融合三维光声信息的方法，包括以下步骤：S1、在虚拟光声显微系统中设置样品，用模拟高斯光束照射样品不同位置，通过模拟超声换能器采集三维光声信号，得到光声数据P1和P2；S2、将光声数据P1和P2分别划分为一定数量、大小相同的不重叠区块，基于离散修正拉普拉斯算子，计算每个区块的聚焦程度，构建初始决策图；S3、采用基于众数滤波的一致性验证和高斯滤波处理初始决策图，生成最终决策图；S4、基于最终决策图，通过体素加权平均计算出融合后的光声数据P3，得到三维光声信息融合结果。本发明能在不牺牲聚焦区域横向分辨率的同时，将光声显微成像系统的景深扩大至原来的1.7倍，在噪声条件下也具有良好的性能。
-
公开(公告)号：CN110428473B
公开(公告)日：2022-06-14
申请号：CN201910529133.0
申请日：2019-06-18
Applicant: 南昌大学
Abstract: 本发明提供了一种基于辅助变量的对抗生成网络的彩色图像灰度化方法，包括以下步骤：步骤A：检验输入图像是否为彩色图像，若为彩色图像则使用梯度相关相似度灰度化(GcsDecolor)算法对其进行灰度化处理，并将灰度化后图像进行复制，得到三份灰度化图像作为对抗生成网络的对比图像；步骤B：设计基于辅助变量的对抗生成网络(AV‑GAN)，训练AV‑GAN网络；步骤C：将彩色图像通过已训练完成的AV‑GAN网络进行测试，得到最终的灰度化图像。本发明使彩色图像灰度化计算效率较高，并可保存彩色图像的显著特征，使灰度化图像可保留颜色排序，更好地反映了彩色和灰度图像之间的结构相似性。
-
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。
-
Patent Agency Ranking
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。
-
公开(公告)号：CN110276726A
公开(公告)日：2019-09-24
申请号：CN201910392447.0
申请日：2019-05-13
Applicant: 南昌大学
IPC: G06T5/00
Abstract: 本发明提供了一种基于多通道网络先验信息引导的图像去模糊方法，包括以下步骤：步骤A：准备干净图像和其对应的含噪图像组成图像对，建立图像数据集，图像数据集分为训练数据集和测试数据集两部分；步骤B：设计网络结构，使用图像训练数据集对DMSP网络进行训练，得到训练好的MEDMSP网络模型；步骤C：使用训练好的MEDMSP网络模型对图像测试数据集中的模糊图像进行测试，输出得到最终的去模糊图像，本发明提出了一个新的图像先验信息用于图像恢复(IR)任务，引入了多噪声模拟和多通道增强。同时还引入了一种算法用于探索低维IR任务的高维网络诱导先验信息。该方法不仅具有可以提取有价值的先验信息的神经网络优点，而且还具有基于模型方法的稳定性。
-
公开(公告)号：CN106056554B
公开(公告)日：2019-04-12
申请号：CN201610383443.2
申请日：2016-06-01
Applicant: 南昌大学
IPC: G06T5/00
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：CN104933683B
公开(公告)日：2018-12-04
申请号：CN201510310636.0
申请日：2015-06-09
Applicant: 南昌大学
IPC: G06T5/00
Abstract: 一种用于磁共振快速成像的非凸低秩重建方法，本发明建立基于非局部相似图像块低秩先验信息的MR图像数据重构数学模型，釆用交替方向迭代方法对模型进行迭代求解：通过泰勒一阶近似和奇异值分解迭代求解带低秩先验信息的非局部图像模型的低秩矩阵的非凸p范数，得到相似图像块，再通过增加辅助变量和分离变量法迭代求解重建图像。本发明利用图像先验信息，将图像块的非局部相似性与低秩特性结合，并利用傅里叶变换和低秩矩阵的特性简化计算过程，降低算法复杂度，提高了部分K空间数据重建MRI图像的性能，在更少的扫描测量下更精确地重建图像，减少重建图像的伪影，实现快速磁共振成像。
-
公开(公告)号：CN104714200B
公开(公告)日：2018-06-19
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。
-
-
-
-
-
-
-
-
-
Search Results
53
records
(took 0.027 seconds)
