-
公开(公告)号：CN112037141A
公开(公告)日：2020-12-04
申请号：CN202010814797.4
申请日：2020-08-13
Applicant: 上海东软医疗科技有限公司 , 东软医疗系统股份有限公司
IPC: G06T5/00
Abstract: 本公开涉及一种图像去噪方法、装置、存储介质及电子设备，所述方法包括：接收待处理图像，其中，所述待处理图像中包括零均值分布的噪声；将所述待处理图像输入图像去噪模型，获得所述待处理图像对应的去噪图像，所述图像去噪模型训练所采用的训练图像均为带噪声的图像。由此，针对包括零均值分布的噪声的待处理图像，可以通过基于带噪声的图像进行训练的图像去噪模型对其进行去噪，无需进行多次扫描处理获得高信噪比的目标图像，从而可以提高训练图像的采集效率，同时还可以降低目标图像获取的过程中可能引入其他噪声的风险，保证训练图像去噪模型所使用的输入图像和目标图像的匹配度，保证图像去噪模型的准确性和使用范围，提升用户使用体验。
-
公开(公告)号：CN112557980B
公开(公告)日：2022-05-03
申请号：CN202011205975.X
申请日：2020-11-02
Applicant: 上海东软医疗科技有限公司 , 东软医疗系统股份有限公司
Abstract: 本公开涉及一种磁共振图像矫正方法、装置、介质和电子设备，所述方法：获取磁共振图像对应的初始K空间数据，其中，所述初始K空间数据为多通道数据；根据降采样卷积核对所述初始K空间数据进行多通道图像重建处理，获得第一重建K空间数据；根据全采样卷积核对所述第一重建K空间数据进行多通道图像重建处理，获得第二重建K空间数据；根据所述初始K空间数据对所述第二重建K空间数据进行修正，获得目标K空间数据；对所述目标K空间数据进行通道合并，获得目标磁共振图像。由此，无需降低数据采集效率，同时可以有效消除磁共振图像中的运动伪影，提高磁共振图像矫正结果的有效性。
-
公开(公告)号：CN112557980A
公开(公告)日：2021-03-26
申请号：CN202011205975.X
申请日：2020-11-02
Applicant: 上海东软医疗科技有限公司 , 东软医疗系统股份有限公司
Abstract: 本公开涉及一种磁共振图像矫正方法、装置、介质和电子设备，所述方法：获取磁共振图像对应的初始K空间数据，其中，所述初始K空间数据为多通道数据；根据降采样卷积核对所述初始K空间数据进行多通道图像重建处理，获得第一重建K空间数据；根据全采样卷积核对所述第一重建K空间数据进行多通道图像重建处理，获得第二重建K空间数据；根据所述初始K空间数据对所述第二重建K空间数据进行修正，获得目标K空间数据；对所述目标K空间数据进行通道合并，获得目标磁共振图像。由此，无需降低数据采集效率，同时可以有效消除磁共振图像中的运动伪影，提高磁共振图像矫正结果的有效性。
-
公开(公告)号：CN111091517A
公开(公告)日：2020-05-01
申请号：CN201911365187.4
申请日：2019-12-26
Applicant: 东软医疗系统股份有限公司
Abstract: 本申请提供了一种残差加权成像方法和装置，该方法基于磁共振获取有噪声的第一成像数据，通过DNN去噪网络滤除所述第一成像数据中的噪声，得到无噪声的第二成像数据，再基于所述第二成像数据与所述第一成像数据，确定残差噪声图像数据，最后基于先验知识确定对应不同成像区域的不同局部噪声加权值，依据所述残差噪声图像数据和所述不同图像区域的局部噪声加权值，将第二成像数据的不同成像区域进行不同程度的噪声还原，得到最终成像数据。本方案基于先验知识对不同的图像区域进行针对性处理，在抑制卷叠伪影等干扰信息的同时，保留其他有用的图像细节信息，有助临床阅片者选择对诊断最有帮助的图像。
-
公开(公告)号：CN112001856B
公开(公告)日：2024-10-18
申请号：CN202010746975.4
申请日：2020-07-29
Applicant: 东软医疗系统股份有限公司
IPC: G06T5/60 , G06T5/70 , G06V10/774
Abstract: 本公开涉及一种去噪模型的训练方法及去除图像噪声方法、相关装置。训练方法包括：获取待去噪样本图像；获取与所述待去噪样本图像中的噪声对应的先验知识信息；根据所述待去噪样本图像以及所述先验知识信息构造模型训练样本；根据所述模型训练样本对去噪样本模型进行训练，以得到目标去噪模型，所述目标去噪模型用于去除图像中的所述噪声。如此，训练得到每一目标去噪模型均有具体的功能，为目标去噪模型提供了良好的可解释性。并且，根据待去噪样本图像和先验知识信息构造模型训练样本，相比于现有技术中仅由待去噪样本图像构成的模型训练样本，可以提高模型的训练效率，有效减少了模型对训练样本的依赖性，提升了模型的泛化性。
-
Patent Agency Ranking
公开(公告)号：CN111091517B
公开(公告)日：2023-05-02
申请号：CN201911365187.4
申请日：2019-12-26
Applicant: 东软医疗系统股份有限公司
Abstract: 本申请提供了一种残差加权成像方法和装置，该方法基于磁共振获取有噪声的第一成像数据，通过DNN去噪网络滤除所述第一成像数据中的噪声，得到无噪声的第二成像数据，再基于所述第二成像数据与所述第一成像数据，确定残差噪声图像数据，最后基于先验知识确定对应不同成像区域的不同局部噪声加权值，依据所述残差噪声图像数据和所述不同图像区域的局部噪声加权值，将第二成像数据的不同成像区域进行不同程度的噪声还原，得到最终成像数据。本方案基于先验知识对不同的图像区域进行针对性处理，在抑制卷叠伪影等干扰信息的同时，保留其他有用的图像细节信息，有助临床阅片者选择对诊断最有帮助的图像。
-
公开(公告)号：CN112001856A
公开(公告)日：2020-11-27
申请号：CN202010746975.4
申请日：2020-07-29
Applicant: 东软医疗系统股份有限公司
IPC: G06T5/00
Abstract: 本公开涉及一种去噪模型的训练方法及去除图像噪声方法、相关装置。训练方法包括：获取待去噪样本图像；获取与所述待去噪样本图像中的噪声对应的先验知识信息；根据所述待去噪样本图像以及所述先验知识信息构造模型训练样本；根据所述模型训练样本对去噪样本模型进行训练，以得到目标去噪模型，所述目标去噪模型用于去除图像中的所述噪声。如此，训练得到每一目标去噪模型均有具体的功能，为目标去噪模型提供了良好的可解释性。并且，根据待去噪样本图像和先验知识信息构造模型训练样本，相比于现有技术中仅由待去噪样本图像构成的模型训练样本，可以提高模型的训练效率，有效减少了模型对训练样本的依赖性，提升了模型的泛化性。
-
公开(公告)号：CN114170336A
公开(公告)日：2022-03-11
申请号：CN202111312218.7
申请日：2021-11-08
Applicant: 上海东软医疗科技有限公司
Abstract: 本申请提供了一种图像重建方法和装置、电子设备及计算机可读存储介质，涉及医学成像技术领域。该方法获取运动组织的多时相实际欠采数据和对应的预扫描图像，利用训练后的深度学习网络模型对多时相实际欠采数据和对应的预扫描图像进行图像重建，得到实际运动组织电影成像图像。可以看到，本申请实施例可以将多时相k空间实际欠采数据重建为多时相k空间满采电影成像图像，运动组织电影成像图像相邻时相图像包含大量的冗余信息，而采用深度学习网络模型可以提取相邻时相图像共同的低频信息并合并相同高频信息，从而重建出最终的多时相图像集，这些多时相图像集的细节更丰富、信噪比更高。
-
公开(公告)号：CN114140340A
公开(公告)日：2022-03-04
申请号：CN202111258593.8
申请日：2021-10-27
Applicant: 上海东软医疗科技有限公司
Abstract: 本发明公开了一种图像数据的伪影处理方法及装置、存储介质、终端，涉及图像处理技术领域，主要目的在于解决现有图像数据的伪影处理效果差的问题。包括：获取待伪影处理的图像数据，并对所述图像数据进行尺寸分割，得到多个预设尺寸的二维图像数据；基于完成模型训练的图像处理模型对所述二维图像数据进行伪影去除处理，得到伪影去除后的二维图像数据，所述图像处理模型为基于带有伪影标签以及带有无伪影标签的图像训练数据集训练得到的；对伪影去除后的二维图像数据按照所述预设尺寸进行拼接，得到伪影处理后的图像数据。主要用于图像数据的伪影处理。
-
公开(公告)号：CN114170336B
公开(公告)日：2025-05-06
申请号：CN202111312218.7
申请日：2021-11-08
Applicant: 上海东软医疗科技有限公司
IPC: G06T11/00 , G06N3/0464 , G06N3/044 , G06N3/0475 , G06N3/045 , G06N3/094
Abstract: 本申请提供了一种图像重建方法和装置、电子设备及计算机可读存储介质，涉及医学成像技术领域。该方法获取运动组织的多时相实际欠采数据和对应的预扫描图像，利用训练后的深度学习网络模型对多时相实际欠采数据和对应的预扫描图像进行图像重建，得到实际运动组织电影成像图像。可以看到，本申请实施例可以将多时相k空间实际欠采数据重建为多时相k空间满采电影成像图像，运动组织电影成像图像相邻时相图像包含大量的冗余信息，而采用深度学习网络模型可以提取相邻时相图像共同的低频信息并合并相同高频信息，从而重建出最终的多时相图像集，这些多时相图像集的细节更丰富、信噪比更高。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.044 seconds)
