基于神经网络的低剂量CT图像降噪方法及装置

    公开(公告)号:CN116862790A

    公开(公告)日:2023-10-10

    申请号:CN202310796944.3

    申请日:2023-06-30

    Applicant: 中北大学

    Abstract: 本发明涉及一种基于神经网络的低剂量CT图像降噪方法及装置,将含噪声的CT图像分解,获得图像低频信息和高频信息;将所述图像低频信息和高频信息分别输入至相对应的低频网络和高频网络中,得到第n次降噪后的低频信息Ln和高频信息Hn;第n次降噪后的低频信息和高频信息通过融合网络与初始图像相减,获得残差图像ΔZn;计算损失函数,训练出预模型;调整学习率,对预模型进行训练,获得最终降噪模型;基于所述最终降噪模型,对CT图像进行处理,获得降噪后的CT图像。本发明能够有效提高低剂量CT图像降噪处理效果。

    一种多放热端连通的重力热管

    公开(公告)号:CN114440675B

    公开(公告)日:2023-07-04

    申请号:CN202111280104.9

    申请日:2021-11-01

    Applicant: 中北大学

    Abstract: 本发明提供了一种多放热端连通的重力热管,所述重力热管包括蒸发部、冷凝部和绝热部,液体在蒸发部吸热蒸发,通过绝热部进入冷凝部放热,然后通过重力回到蒸发部;所述冷凝部具有多个放热端,至少两个相邻的放热端之间设置通连管,从放热端下部向上部方向,通连管的流通面积不断降低。本发明提供一种新式结构的重力热管,通过上述设置,可以节省材料,根据压力变化设置通连管,能够保证在流体流动过程中尽快的达到压力均衡。

    基于核模型的卷积叠加能量沉积计算方法

    公开(公告)号:CN109125952B

    公开(公告)日:2020-07-31

    申请号:CN201810789355.1

    申请日:2018-07-18

    Applicant: 中北大学

    Abstract: 本发明涉及一种基于核模型的卷积叠加能量沉积计算方法,输入剂量计算所需数据信息;根据输入的治疗头信息,利用蒙特卡罗算法计算治疗头在核模型下的能量分布;将直角坐标系统下的能量分布转换为球壳坐标系统下的能量分布,基于球壳坐标系统提取核模型的参数,并将核模型参数存储;基于球壳坐标系统,计算核模型中轴线与体素相交长度的校正因子,并将校正因子存储;基于球壳坐标系统,计算每条线束在初始碰撞点处轴线与体素的相交情况;沿射线前进方向确定射束与体素放生碰撞的碰撞点位置,根据该碰撞点的位置读取存储的核模型参数和校正因子,计算在该碰撞点处释放的能量沉积。本发明在不改变剂量计算精度的同时,有效地降低了剂量计算的复杂度。

    一种基于模糊C-均值聚类的放射治疗子野优化方法及系统

    公开(公告)号:CN116343991A

    公开(公告)日:2023-06-27

    申请号:CN202310139722.4

    申请日:2023-02-14

    Applicant: 中北大学

    Abstract: 本发明公开了一种基于模糊C‑均值聚类的放射治疗子野优化方法及系统,该方法包括:依据所输入的基本信息和选定的目标函数信息计算梯度;将梯度依照对应射束的位置进行排列,构成子野梯度矩阵;根据子野梯度矩阵进行模糊C‑均值聚类得到两个聚类集合;依据两个聚类集合生成子野形状,利用模拟退火法进行子野形状修正得到可交付使用的子野,加入到子野集合中;进行子野的权重优化,得到优化结果。该方法解决了利用局部梯度信息生成子野则易导致局部最优结果、利用全局梯度信息生成子野则计算量大等问题,可更加快速、准确地生成满足临床要求的子野。

    一种多放热端连通的重力热管

    公开(公告)号:CN114440675A

    公开(公告)日:2022-05-06

    申请号:CN202111280104.9

    申请日:2021-11-01

    Applicant: 中北大学

    Abstract: 本发明提供了一种多放热端连通的重力热管,所述重力热管包括蒸发部、冷凝部和绝热部,液体在蒸发部吸热蒸发,通过绝热部进入冷凝部放热,然后通过重力回到蒸发部;所述冷凝部具有多个放热端,至少两个相邻的放热端之间设置通连管,从放热端下部向上部方向,通连管的流通面积不断降低。本发明提供一种新式结构的重力热管,通过上述设置,可以节省材料,根据压力变化设置通连管,能够保证在流体流动过程中尽快的达到压力均衡。

    一种基于模糊熵的直接子野优化方法及系统

    公开(公告)号:CN110289075A

    公开(公告)日:2019-09-27

    申请号:CN201910352358.3

    申请日:2019-04-29

    Applicant: 中北大学

    Abstract: 本发明针对利用局部梯度信息生成子野则易导致局部最优结果、利用全局梯度信息生成子野则计算量大等问题,提供了一种能够更加快速、准确地生成可交付使用子野的基于模糊熵的直接子野优化方法及其系统:首先采用基于模糊熵分割原理生成子野形状,然后进行子野权重优化,以得到满足临床要求的治疗方案,本发明可以快速、准确地利用全局梯度信息得到子野形状,计算量减少的同时提高了计划质量,优化所得子野数目较少,提高了优化效率;利用全局梯度信息生成子野形状,有利于提高靶区剂量适形度、降低靶区周围危及器官以及正常组织接受的放射剂量,从而达到提高治疗增益比、提高肿瘤放射治疗精确度以及降低正常组织由放射引起并发症的概率的临床治疗要求。

    基于GPU的快速三维CT迭代重建方法

    公开(公告)号:CN105931280A

    公开(公告)日:2016-09-07

    申请号:CN201610217047.2

    申请日:2016-03-29

    Applicant: 中北大学

    CPC classification number: G06T11/008 G06T17/00 G06T2200/28

    Abstract: 本发明公开基于GPU的快速三维CT迭代重建方法,包括以下步骤:步骤一、数据输入,需要将投影数据并输入到数据输入模块;步骤二、预处理,对投影数据作相关的预处理,并将处理后的数据以及与重建相关的参数传入到GPU;步骤三、为正/反投影,包括正投影步骤、记录信息步骤和修正步骤、反投影步骤操作,在GPU上实现了正投影步骤和反投影步骤,分别得到正投影系统矩阵和反投影系统矩阵;步骤四、变量更新,按具体迭代算法所对应的迭代公式更新当前的变量值;步骤五、迭代终止,判断当前迭代是否满足迭代的终止条件;步骤六、结果输出,将迭代结果输出。本发明只需计算一次射线与体素的相交情况,减少了计算系统矩阵所需的计算量,加快迭代重建的速度。

Patent Agency Ranking