-
公开(公告)号：CN112651434B
公开(公告)日：2022-09-02
申请号：CN202011515878.0
申请日：2020-12-21
Applicant: 明峰医疗系统股份有限公司
IPC: G06V10/77 , G06V10/774 , G06V10/82 , G06N3/04
Abstract: 本发明涉及一种基于深度学习的能谱CT基物质投影估计方法，包括：测定X射线的高低能谱；采集待测体在高低能谱下对应的实际投影数据；将实际投影数据输入训练完成的深度学习网络模型，得到符合正向投影模型的投影预测数据；将投影预测数据代入基物质投影迭代公式进行迭代，经过第k+1次迭代得到基物质A和B的投影数据；将第k+1次迭代得到的基物质A和B的投影数据输入正向投影模型，得到高低能谱下的正向投影数据；判断正向投影数据与实际投影数据的误差是否小于收敛阈值；若否，则继续进行第k+2次迭代；若是，则输出基物质A和B的投影数据。本发明考虑系统散射、系统噪声及探测器转换效率等因素的影响，提升基物质投影估计的精度。
-
公开(公告)号：CN114403912A
公开(公告)日：2022-04-29
申请号：CN202210048253.0
申请日：2022-01-17
Applicant: 明峰医疗系统股份有限公司
IPC: A61B6/03
Abstract: 本发明公开了一种基于深度学习的能谱CT有效原子序数估计方法，首先根据已知数据利用深度学习，创建一个双输入通道的神经网络模型，将能谱CT分解结果作为网络模型的输入，有效原子序数图像结果作为训练的输出，是一个标准的端到端的网络模型，输入图像一次性得出输出图像。然后，在实际能谱CT重建中，将能谱CT分解结果作为上述训练所得深度学习网络的输入，即可估计出相应的有效原子序数图像。本发明方法直接由能谱CT分解结果估计有效原子序数，避免计算中间图像。建立能谱CT分解结果和较广范围有效原子序数之间的深度学习网络，解决了现有技术估计有效原子序数范围有限的问题。
-
公开(公告)号：CN112991482A
公开(公告)日：2021-06-18
申请号：CN202110389801.1
申请日：2021-04-12
Applicant: 明峰医疗系统股份有限公司
Abstract: 本发明提供了一种基于GPU的快速重建成像方法、设备及可读存储介质，涉及医学图像处理领域，包括获取待重建数据进行维度转换，获得第一处理数据；采用第一任务集合对第一处理数据进行正向投影获得第一处理结果，且每一任务下，采用多线程同步处理，且存储在第一共享内存地址下；基于第一处理结果进行归约处理，获得正向投影结果；获取投影比值；采用第二任务集合对第一处理数据进行反向投影获得第二处理结果，且每一任务下，采用多线程同步处理，且存储在第二共享内存地址下；基于第二处理结果进行归约处理，获得反向投影结果；基于正向投影结果、投影比值以及反向投影结果生成图像并迭代重建，获得目标图像，解决现有图像重建耗时较多的问题。
-
公开(公告)号：CN112446840A
公开(公告)日：2021-03-05
申请号：CN202011417228.2
申请日：2020-12-07
Applicant: 明峰医疗系统股份有限公司
Abstract: 本发明涉及一种基于深度学习的CT图像黑带伪影消除方法，包括：采集有黑带伪影CT图像及与其不匹配的无黑带伪影CT图像；对有黑带伪影CT图像进行伪影消除；对无黑带伪影CT图像添加噪声；分别对上述四种CT图像进行归一化处理；构建Cycle‑GAN网络模型；利用处理后的有黑带伪影CT图像、无黑带伪影CT图像、CT值偏移的伪影消除CT图像及噪声CT图像对网络模型进行网络训练，直至网络模型的网络参数达到目标条件，得到训练后的网络模型；将待处理CT图像进行伪影消除，将伪影消除前、后的CT图像输入网络模型，得到CT图像。本发明在保证CT图像的整体CT值基本不变的情况下，使CT图像中的黑带伪影得到有效缓解。
-
公开(公告)号：CN112258642A
公开(公告)日：2021-01-22
申请号：CN202011522344.0
申请日：2020-12-21
Applicant: 之江实验室 , 明峰医疗系统股份有限公司
Abstract: 本发明公开了基于深度学习的低剂量PET数据三维迭代更新重建方法，该方法是从低剂量PET原始数据出发的，基于深度学习的联合迭代更新重建方法，该方法利用三维深度神经网络拟合原始数据反投影laminogram与PET重建图像之间的正、逆映射，从训练样本中学习标准剂量先验知识并将其应用于迭代更新标准剂量laminogram和PET三维重建图像，以获取比传统重建方法以及图像域降噪处理噪声更低，分辨率更高,无伪影的PET重建图像。
-
Patent Agency Ranking
-
公开(公告)号：CN111839569A
公开(公告)日：2020-10-30
申请号：CN202010741679.5
申请日：2020-07-29
Applicant: 明峰医疗系统股份有限公司
IPC: A61B6/03 , G01N23/046 , G06T11/00 , G06T5/40
Abstract: 本发明提供了一种PET时间分辨率测算、重建系统和方法，属于X射线计算机断层扫描成像技术领域，包括PET原始符合数据采集、辐射源空间分布获取、符合事件累积、LOR线追踪累积、特征宽度计算、迭代更新和重建。本发明在对计数统计的同时，还对重建图像进行空间强度计算，通过两者的相似度来精确计算每一条LOR上的准确时间分辨率。本发明对于任意γ光源，可以精准测试晶体的时间分辨率；对于PET的检测器时间分辨率差异很大时，也可以精准成像。相较于传统方法，本发明不仅可以分辨率的计算可以具体到每一个晶体，而且对于辐射源形态无要求，可以实时测量。
-
公开(公告)号：CN109448070B
公开(公告)日：2020-10-09
申请号：CN201811311060.X
申请日：2018-11-06
Applicant: 明峰医疗系统股份有限公司
Abstract: 本发明涉及医疗技术领域，尤其涉及一种CT宽展视野的重建方法，包括以下步骤：在CT设备中设置训练模块与生成模块；在训练模块中输入样本数据并进行降采样处理；将样本数据进行维度合并得到二维样本数据；对二维样本数据进行截取并归一化处理得到训练数据；将训练数据输入神经网络进行训练；在生成模块中输入待处理数据；对该待处理数据按上述的方法进行处理后输入神经网络得到重生成数据，生成模块对重生成数据进行重建得到图像；本发明的优点在于通过训练模块对CT设备的神经网络进行预训练，使其可以对待处理的图像边界进行预测和重建；对于神经网络输出的数据进行二次还原后再通过滤波的方法来去除边界的跳变，使得图像拼接连续性进一步加强。
-
公开(公告)号：CN111325686A
公开(公告)日：2020-06-23
申请号：CN202010087761.0
申请日：2020-02-11
Applicant: 之江实验室 , 明峰医疗系统股份有限公司
Abstract: 本发明公开了一种基于深度学习的低剂量PET三维重建方法，该方法包括将低剂量PET原始数据无损反投影至图像域，选取适当的三维深度神经网络结构以拟合低剂量PET反投影到标准剂量PET图像之间的映射，通过训练样本学习并固定网络参数后，实现从低剂量PET原始数据出发的PET图像三维重建，以获取比传统重建算法与图像域降噪处理噪声更低，分辨率更高的低剂量PET重建图像。
-
公开(公告)号：CN110555834A
公开(公告)日：2019-12-10
申请号：CN201910826810.5
申请日：2019-09-03
Applicant: 明峰医疗系统股份有限公司
Abstract: 本发明提供了基于深度学习网络的CT坏通道实时检测及重建方法，涉及CT数据检测及重建技术领域，包括数据预处理，数据学习，数据解析、修正及重建；数据预处理包括数据初始化、角度方向累加、二维卷积、数据归一化、数据分割、数据尺寸放大；经过深度学习网络学习后的结果标出坏通道的数量、位置坐标和类型；数据解析、修正及重建包括原图坐标恢复、原始数据标定、数据通道修复、数据重建得到图像域结果。本发明结合了图像处理和机器学习技术，利用图像预处理，增强了对于坏通道的基本特征的描述，从而使得深度学习能够在复杂的扫描环境中准确标定出坏通道的类型和位置，可以直接检测扫描数据，可以判断有响应的坏通道，可以实现实时扫描判断。
-
-
-
-
-
-
-
-
-
Search Results
128
records
(took 0.03 seconds)
