公开(公告)号：CN109903225A

公开(公告)日：2019-06-18

申请号：CN201910086181.7

申请日：2019-01-29

Applicant: 中南大学

Inventor： 任盛 ,  郭克华 ,  郭海富

IPC: G06T3/40

Abstract: 本发明公开了一种基于深度学习的医疗图像增强方法，在原有训练数据集上添加医学影像数据，并结合医生的需求构建一个简单、易用的操作界面。针对医学影像超分辨率重建后边缘轮廓等细节信息不清晰，有可能影响医生诊断的问题，本发明提出基于深度残差网络的医学影像超分辨率方法，通过在相同的计算资源下堆叠更多层次，使用深度残差网络学习低分辨率图像到高分辨率图像的非线性映射，重建边缘轮廓清晰的超分辨率图像，辅助医生通过医学影像准确诊断病情，从而提高疾病确诊和治愈的可能性。

公开(公告)号：CN110458756A

公开(公告)日：2019-11-15

申请号：CN201910554229.2

申请日：2019-06-25

Applicant: 中南大学

Inventor： 郭海富 ,  郭克华 ,  任盛

IPC: G06T3/40 ,  G06T5/00 ,  G06N3/04

Abstract: 本发明公开了一种基于深度学习的模糊视频超分辨率方法，在单帧深度反投影超分辨率模型的基础上，设计了多帧模糊视频超分辨率模型，提升了模糊视频超分辨率重建质量并且支持高倍数(×8)重建。针对运动模糊视频超分辨率重建后视频边缘轮廓等细节信息不清晰，视频质量低的问题，本发明通过在深度反投影超分辨率模型上引入递归学习和多帧融合策略构建模糊视频超分辨率模型。该模型通过学习模糊低分辨率视频帧到清晰高分辨率视频帧的非线性映射，能够重建边缘轮廓清晰的超分辨率视频，提升了运动模糊视频超分辨率重建的质量，使得人们能够更好的获取视频信息，例如超分辨率重建医疗视频帮助医生清楚观察患者的病灶部位，提高疾病确诊和治愈的可能。