-
公开(公告)号：CN1640362A
公开(公告)日：2005-07-20
申请号：CN200510037623.7
申请日：2005-01-06
Applicant: 东南大学
Abstract: 本发明公开了一种基于隐含活动轮廓先验的贝叶斯图像重建方法，首先获取投影数据，确定初始图像范围，计算系统概率矩阵，得到前向投影，再将投影数据除以前向投影，得到对投影数据的校正值，乘以系统概率矩阵，得到图像成像迭代过程中的修正值，然后经计算后得到能量函数，用差分方法将这个能量函数离散化，最后将系统概率矩阵对它的每一行求和乘以β加上能量函数，得到权值，将初始图像乘以修正值除以权值，得到重建图像，作为下一次迭代的初始图像，反复迭代直到重建后的图像收敛，本发明具有保持高分辨率，降低噪声，且保持图像边缘，减轻病人的痛苦等优点。
-
公开(公告)号：CN1640361A
公开(公告)日：2005-07-20
申请号：CN200510037622.2
申请日：2005-01-06
Applicant: 东南大学
Abstract: 本发明公开了一种多相水平集的正电子断层扫描重建方法，先获取投影数据，再确定水平集函数的个数，用K均值聚类的方法得到图像初始浓度值，经计算得到一个用于重建图像的目标函数，然后将该目标函数对每一个像素求偏导数并将初始图像中像素点分别对水平集函数求偏导数，将以上得到的两个偏导数相乘得到当前水平集进化的修正值，将水平集函数进化后作为下次迭代时的初始水平集，更新重建图像，得到此次迭代的估计图像，并作为下次迭代时的初始图像，对每个区域求均值，得到浓度估计值，并作为下次迭代时的浓度估计值，再循环以上步骤，直到重建后的图像收敛，本发明具有消除噪声，保持边缘，消除边缘伪影等优点。
-
公开(公告)号：CN109035255B
公开(公告)日：2021-07-02
申请号：CN201810677366.0
申请日：2018-06-27
Applicant: 东南大学
Abstract: 本发明公开了一种基于卷积神经网络的CT图像中带夹层主动脉分割方法。本发明提出了结合三维卷积神经网络和二维卷积神经网络的CT带夹层主动脉分割算法，使用三维卷积神经网络将三维体数据分成两部分，再使用两个二维卷积神经网络分别对这两部分进行分割，得到最终的分割结果。本发明可以有效的从包含带夹层主动脉的CT图像中分割出带夹层的主动脉，克服了传统的单纯使用三维全卷积神经网络由于输入图像分辨率与GPU显存容量之间的矛盾导致分割精度上的不足，以及单纯使用二维卷积神经网络由于丢失三维信息导致的分割效果不稳定的缺陷，具有良好的分割效果。
-
公开(公告)号：CN110009613A
公开(公告)日：2019-07-12
申请号：CN201910244956.9
申请日：2019-03-28
Applicant: 东南大学
Abstract: 本发明提供了基于深度稠密网络的低剂量CT成像方法、装置及系统，创新性地将深度稠密网络DenseNet应用于投影空间前处理和图像空间后处理两种处理方法中，利用卷积残差神经网络充分理解CT图像数据和CT投影数据的信息。本发明通过DenseNet对图像特征的充分利用，有效分辨出星条状伪影和人体组织器官的区别，实现其中星条状伪影及噪声和组织器官特征结构成分有效的分离，因此图像质量有着较大的提升；DenseNet与其他相同规模的网络相比，参数量在一定程度上减少，因此存储空间的需求大大降低，运算速度显著提升，处理效果优于其他多种传统图像去噪算法和深度学习方法。
-
公开(公告)号：CN109166161A
公开(公告)日：2019-01-08
申请号：CN201810722915.1
申请日：2018-07-04
Applicant: 东南大学
Abstract: 本发明公开了一种基于噪声伪影抑制卷积神经网络的低剂量CT图像处理系统，包括：图像预处理模块，用于获得多组匹配的低剂量CT图像和常规剂量CT图像 并将和 相减获得噪声伪影图像Ns；噪声伪影抑制卷积神经网络建立模块用于将 作为训练图像，Ns作为标签图像，建立 与Ns之间的映射卷积神经网络；网络训练模块，用于通过降低神经网络损失函数，来训练噪声伪影抑制卷积神经网络；网络处理模块，用于将待处理低剂量CT图像 输入映射卷积神经网络进行处理，得到预测的噪声伪影图像 噪声伪影抑制模块，用于将 减去 得到噪声伪影抑制后的图像 本发明可有效的抑制低剂量CT数据中的噪声伪影，处理后的图像质量可满足临床分析、诊断等要求，提高低剂量CT成像的图像效果。
-
Patent Agency Ranking
公开(公告)号：CN104899907B
公开(公告)日：2017-06-23
申请号：CN201510391071.3
申请日：2015-07-06
Applicant: 东南大学
IPC: G06T11/00
Abstract: 本发明公开了一种基于伽马先验的稀疏角度CT图像重建方法，能够直接应用于医用CT投影数据，解决了在稀疏角度CT成像中，易受到条状伪影的影响，CT图像质量发生显著下降的问题。本发明方法中，首先按照等角度对物体进行稀疏角度采样，获取稀疏投影数据；然后对所采集的投影数据利用伽马先验模型进行迭代重建；最后对重建后的CT图像按照合适的窗宽和窗位进行显示，临床数据的实验结果证明了本发明方法能有效的抑制稀疏角度下CT图像中的条状伪影，使稀疏角度下CT的图像质量接近正常角度CT图像的临床质量水平，本发明可以在目前的CT设备中获得很好的应用和推广。
-
公开(公告)号：CN103745447B
公开(公告)日：2016-05-25
申请号：CN201410052166.8
申请日：2014-02-17
Applicant: 东南大学
IPC: G06T5/00
Abstract: 非局部均值滤波算法是一种被广泛应用于抑制图像噪声的算法，该算法根据属于同一图像结构的像素点周围有着相似的邻域结构这一假设，并基于此邻域相似性质构建加权滤波器来抑制图像中的噪声。实验证明该非局部均值滤波算法能在有效地抑制图像中的噪声的同时保持图像中的组织信息，为了有效地抑制图像中的噪声，一般需要较大的搜索窗以引入较多的邻域信息，从而导致大量的计算量和处理时间，影响了其在实际中的应用。为了解决这一问题，本发明提出了一种非局部均值滤波的快速并行实现方法，该方法在原有的以像素为单位的GPU并行的基础上，利用共享存储器特性及非局部均值权重对称性来优化并行操作，显著地提高了非局部均值滤波算法的计算速度。
-
公开(公告)号：CN104077752A
公开(公告)日：2014-10-01
申请号：CN201410291248.8
申请日：2014-06-25
Applicant: 东南大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于置信相似度的递归高斯极大似然估计的冲激噪声抑制方法。首先假设灰度值为0和255的像素是被噪声污染的像素，得到掩膜图像，计算噪声密度；然后循环确定每个像素的复原值，若是噪声点则将带权估计值赋给目标复原图像，否则直接将当前像素值赋值给目标复原图像，并计算当前像素为窗口权值矩阵，通过高斯极大似然估计计算出当前像素的估计值，每次迭代过程都重新计算图像中未被噪声污染的像素灰度值，并计算其对于噪声图像中对应位置像素灰度值的峰值信噪比，如果该峰值信噪比不再增大，则迭代停止。本发明在有效抑制冲激噪声的同时保存局部细节，使得局部结构有更好的对比度，取得更好的图像复原效果。
-
公开(公告)号：CN103473745A
公开(公告)日：2013-12-25
申请号：CN201310422085.8
申请日：2013-09-16
Applicant: 东南大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于区别性字典的低剂量CT图像处理方法，首先使用静态小波变换对待处理的低剂量CT图像进行单层分解，然后对水平、垂直和对角方向的高频细节图像分别进行对应的区别性字典表达并去伪影，从而达到抑制星条状伪影在不同方向的高频细节图像中的信息强度；之后根据处理后的水平、垂直和对角方向的高频细节图像以及原来的低频图像进行逆静态小波变换来重建得到伪影抑制后的CT图像；最后利用现有的传统基于字典学习的稀疏表达方法对图像进行进一步处理，以去除残留的伪影和噪声。本发明可以有效抑制低剂量CT图像内的星条状伪影和噪声，提高低剂量CT图像质量，使其满足临床诊断的质量要求。
-
公开(公告)号：CN102163976B
公开(公告)日：2013-02-27
申请号：CN201110022112.3
申请日：2011-01-20
Applicant: 东南大学
IPC: H03M7/40
Abstract: 本发明公开了一种基于GDFT-II变换的快速解码方法，属于数字信号处理技术领域。本发明将长度为N/2的信号序列{am}和{bm},m=0,1,…,N/2-1,的GDFT-II域系数{Ai}和{Bi},i=0,1,…,N/2-1,转换为长度为N的原始编码信号序列{xn},n=0,1,…,N-1,的GDFT-II域系数{Xk},k=0,1,…,N-1,其中{Xk}的计算分成偶数输出索引{X2i}和奇数输出索引{X2i+1}两个部分分别进行计算，从而减少了GDFT-II变换次数，从而降低了解码过程的计算复杂度。相比现有技术，本发明方法不仅具有较低的复杂度，解码实时性更好，而且具有更少的信号失真。
-
-
-
-
-
-
-
-
-
Search Results
57
records
(took 0.019 seconds)
