-
公开(公告)号:CN110335217A
公开(公告)日:2019-10-15
申请号:CN201910618003.4
申请日:2019-07-10
Applicant: 东北大学
Abstract: 本发明提供一种基于3D残差编码解码的医学图像降噪方法,步骤包括:对采集的训练数据进行预处理;采用处理后的数据训练基于3D残差编码解码的卷积神经网络,其中残差编码解码网络依次包括4个3D卷积层、4个2D卷积层、4个2D反卷积层和4个3D反卷积层;利用训练后的卷积神经网络对高噪图像降噪,得到高质量图像。本发明利用大数据深度学习解决图像去噪问题,模拟人类的信息处理过程,并通过分层网络框架从像素数据中有效地学习高级特征,进而建立训练样本和训练标签之间复杂的非线性映射。同时,在网络训练过程中采用3D图像,便于网络学习相邻切片的特征及关系,在尽可能保留图像特征的基础上进行降噪处理。
-
公开(公告)号:CN110310244A
公开(公告)日:2019-10-08
申请号:CN201910586767.X
申请日:2019-07-01
Applicant: 东北大学
Abstract: 本发明公开了一种基于残差编码解码的医学图像降噪方法,包括:对采集的训练数据进行预处理;采用处理后的数据训练基于残差编码解码的卷积神经网络;利用训练后的卷积神经网络对高噪图像降噪,得到高质量图像。本发明解决了现有技术中存在的图像边缘损失、成像速度慢等问题,通过分层网络框架从像素数据中有效地学习高级特征,从而建立训练样本和训练标签之间复杂的非线性关系。
-
公开(公告)号:CN106154306B
公开(公告)日:2018-11-27
申请号:CN201610624561.8
申请日:2016-07-29
Applicant: 东北大学
IPC: G01T7/00
Abstract: 本发明提供一种检测CT光子计数型探测器准确性的方法,涉及医疗设备技术领域。利用x射线球管、三棱柱形双材料模体和普通平板探测器搭建CT扫描系统,扫描得到第一组数据;去掉模体,空扫得到第二组数据;基于衰减透射原理,依据两组数据构建线性方程组,求解得到x射线第一离散能谱;用待测光子计数型探测器替换普通平板探测器,去掉模体,空扫得到x射线第二离散能谱;对比两个离散能谱,若误差在一定范围内,则光子计数型探测器准确性达到要求。本发明通过设置三棱柱形双材料模体,基于衰减透射原理,利用两种衰减物质进行能谱测量,在根源上有效改善待解的线性方程组的病态性,模体结构简单,扫描次数少,有效避免浪费资源,可靠性高。
-
公开(公告)号:CN107320123A
公开(公告)日:2017-11-07
申请号:CN201710505481.5
申请日:2017-06-28
Applicant: 东北大学
IPC: A61B6/03
CPC classification number: A61B6/5211 , A61B6/03
Abstract: 本发明涉及一种基于扫描前端与成像后端分离的CT影像链重组方法,由前端扫描系统的球管发出射线,通过人体待检测部位;对人体待检测部分进行扫描后,由前端扫描系统的探测器接收通过人体的射线;将探测器模块接收到的数据加载附加信息,实时保存到存储设备中,不进行事先预处理;待整体扫描完成后,数据发送至远端计算机;计算机通过解析传输过来的数据,对整个扫描过程还原再现;运用后端分布式处理方式进行与传统影像链相同的重建与后处理步骤。本发明将CT的扫描前端与成像后端完全拆解,面向用户的只有扫描设备,使用户只根据操作说明进行常规的扫描工作,其后方处理交给云端的技术人员,CT体积减少,成本降低,数据处理解析便携化、简单化。
-
公开(公告)号:CN106989835A
公开(公告)日:2017-07-28
申请号:CN201710234702.X
申请日:2017-04-12
Applicant: 东北大学
Abstract: 本发明提供一种基于压缩感知的光子计数X射线能谱探测装置及成像系统,涉及能谱探测技术领域。探测装置包括探测器阵列、放大器、能量校准器、单像素阈值产生器、阈值设置器、比较器和脉冲计数器;成像系统包括电脑PC、辐照X射线源、旋转载物装置和上述的基于压缩感知的光子计数X射线能谱探测装置。本发明能重建理想的X射线能谱,加快采集速度的同时,能有效避免直接用光子计数探测器进行采集时会发生的脉冲堆积效应,为使用光子计数器进行X射线全能谱采集提供了可能。
-
公开(公告)号:CN105605148A
公开(公告)日:2016-05-25
申请号:CN201610179321.1
申请日:2016-03-25
Applicant: 东北大学
IPC: F16F15/067 , F16F7/00
CPC classification number: F16F15/067 , F16F7/00
Abstract: 本发明公开了一种车载CT设备的减振系统,属于车载CT设备减振技术领域。包括:车载CT机架固定于其上且与救护车仪器舱舱底相连接的一级减振平台、搭建在一级减振平台之上的二级减振平台和搭建在二级减振平台之上的倒T型支撑板;一级减振平台包括第一支撑座、第二支撑座和四个钢丝绳减振器;二级减振平台,包括四个金属橡胶减振器和第三支撑座;倒T型支撑板的后端具有两个水平方向金属橡胶减振器。一级减振平台初步缓冲掉大部分的对车载CT机架的振动与冲击;二级减振平台进一步缓冲掉振动、冲击能量,进而进一步增加了CT机架的稳定性;倒T型支撑板固定CT机架机身,可以防止在剧烈振动、冲击过程中车载CT机架左右摇摆。
-
公开(公告)号:CN116959584A
公开(公告)日:2023-10-27
申请号:CN202310944945.8
申请日:2023-07-28
Applicant: 东北大学
IPC: G16B40/00 , G16B50/10 , G16H70/60 , G06F16/36 , G06F18/25 , G06N3/042 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 本发明提供一种基于知识意识学习下的miRNA—疾病的关系预测方法,涉及生物信息技术领域。该方法首先构建miRNA—疾病关系网络和对应的知识图谱;并根据知识图谱构造知识流通池,使知识流通池中包含有不同节点在不同层次下的知识聚合信息,用来获取不同节点在特定聚合范围内节点的表示;再将关系网络中的疾病和miRNA节点的特征信息和知识流通池中获取到的特征信息投影到相同的向量空间中,并进行深度的融合后送入图卷积神经网络中进行训练和学习,得到关系网络中节点的最终嵌入表示;最后将从图卷积神经网络中得到的节点嵌入表示输入线性解码器,重构关系网络的链路;并通过计算关系网络的MSE函数损失,将关系网络在端到端的训练方式下进行训练。
-
公开(公告)号:CN110264428A
公开(公告)日:2019-09-20
申请号:CN201910570399.X
申请日:2019-06-27
Applicant: 东北大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于3D卷积反卷积和生成对抗网络的医学图像降噪方法,步骤包括:采集高噪全身扫描3D图像和低噪全身扫描3D图像并分类存放,对所述高噪全身扫描图像和低噪全身扫描图像进行预处理,使得上述数据能够直接用于模型训练;采用处理后的数据训练基于3D卷积反卷积和生成对抗网络的卷积神经网络;利用训练后的卷积神经网络对高噪图像降噪,得到高质量图像。本发明利用相关图像通过3D卷积和反卷积提取图像的空间信息,学习相邻切片的特征和关系,对图像进行精确降噪。
-
公开(公告)号:CN106057050B
公开(公告)日:2018-08-03
申请号:CN201610670098.0
申请日:2016-08-16
Applicant: 东北大学
IPC: G09B23/28
Abstract: 本发明提供种基于GATE平台的荧光CT系统模拟方法,涉及医疗设备技术领域。包括多个荧光CT子系统的设置过程,每个荧光CT子系统的设置包括可视化模块设置、世界模块设置、探测系统模块设置、几何模块设置、材料模块设置、伪随机模块设置、物理效应模块设置、常用粒子源模块设置、数字转换模块设置、时间控制模块设置和输出模块设置。本发明采取多探测器优化系统结构和多子系统联合方法,最终得到个完整的模拟系统,有效解决荧光系统利用率低、GATE仿真运算速度慢等问题,通过模体设置有效探究金粒子浓度、空间位置等因素对成像的影响,并且模拟产生的数据对研究XFCT的重建算法具有很大价值,提供的生数据更加接近真实情况。
-
公开(公告)号:CN105605148B
公开(公告)日:2017-10-31
申请号:CN201610179321.1
申请日:2016-03-25
Applicant: 东北大学
IPC: F16F15/067 , F16F7/00
Abstract: 本发明公开了一种车载CT设备的减振系统,属于车载CT设备减振技术领域。包括:车载CT机架固定于其上且与救护车仪器舱舱底相连接的一级减振平台、搭建在一级减振平台之上的二级减振平台和搭建在二级减振平台之上的倒T型支撑板;一级减振平台包括第一支撑座、第二支撑座和四个钢丝绳减振器;二级减振平台,包括四个金属橡胶减振器和第三支撑座;倒T型支撑板的后端具有两个水平方向金属橡胶减振器。一级减振平台初步缓冲掉大部分的对车载CT机架的振动与冲击;二级减振平台进一步缓冲掉振动、冲击能量,进而进一步增加了CT机架的稳定性;倒T型支撑板固定CT机架机身,可以防止在剧烈振动、冲击过程中车载CT机架左右摇摆。
-
-
-
-
-
-
-
-
-