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

Inventor： 滕月阳 ,  龚宇

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：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

Inventor： 滕月阳 ,  龚宇

IPC: G06T5/00 ,  G06N3/08 ,  G06N3/04

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：CN110047054A

公开(公告)日：2019-07-23

申请号：CN201910345922.9

申请日：2019-04-26

Applicant: 东北大学

Inventor： 龚宇 ,  滕月阳

IPC: G06T5/00 ,  G16H30/40

Abstract: 本发明提供一种基于VGG-19提取特征的GAN医学图像降噪方法，包括搭建GAN降噪网络，提取训练图像和训练标签图像并以损失函数最小化为原则对搭建好的降噪网络进行训练，以及利用训练后的降噪网络对高噪声图片进行降噪处理，输出降噪结果。本发明为了克服降噪后图像边缘平滑，失去原有图像细节的问题，提出一种将降噪后的图像和原本清晰的图像用VGG-19做特征提取之后的差值作为损失函数进行优化的图像降噪方法，以达到保存图像原有细节，提高图像清晰度的效果。

公开(公告)号：CN110298804A

公开(公告)日：2019-10-01

申请号：CN201910596650.X

申请日：2019-07-01

Applicant: 东北大学

Inventor： 滕月阳 ,  龚宇

IPC: G06T5/00 ,  G06N3/04

Abstract: 本发明公开了一种基于生成对抗网络和3D残差编码解码的医学图像降噪方法，包括：分类收集训练数据并对所述训练数据进行预处理，所述训练数据包括低质量图像和高质量图像；构建基于生成对抗网络和3D残差编码解码的卷积神经网络，利用扫描时间为75s、尺寸为N*9*64*64*1的低质量图像作为训练输入，扫描时间为150s、尺寸为N*9*64*64*1的高质量图像作为训练标签，对所述网络进行训练；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。应用本发明技术方案可实现利用少量数据对模型进行训练后即可对任意高噪正电子发射计算机断层图像进行准确、快速的降噪。