-
公开(公告)号:CN114677310A
公开(公告)日:2022-06-28
申请号:CN202210396331.6
申请日:2022-04-15
Applicant: 中南大学
Abstract: 本发明提供了一种延迟增强磁共振图像的降噪与重建方法及系统,包括如下步骤:使用DnCNN对DE‑MRI图像进行预处理;使用SRGAN的生成器和鉴别器相互对抗,交替训练生成质量更好的图像,采用梯度惩罚解决梯度消失的问题;在原SRGAN损失函数的基础上添加WGAN损失函数监测梯度下降,提高图像重建的准确性。本发明首先对DE‑MRI图像进行DnCNN降噪,得到高峰值信噪比的图像,作为SRGAN训练图像,增加DE‑CMR训练集,增强了模型的泛化能力;其次,通过最小化Wasserstein距离,并使用梯度惩罚,使生成图像的分布与真实图像的分布接近,避免了训练的消失和爆炸,加快了模型的训练速度;最后,添加WGAN损失函数提高图像重建的准确性,使图像重建质量明显提高。
-
公开(公告)号:CN114565711A
公开(公告)日:2022-05-31
申请号:CN202111631832.X
申请日:2021-12-28
Applicant: 中南大学
IPC: G06T17/00 , G06K9/62 , G06T5/00 , G06V10/764
Abstract: 本发明提供了一种基于深度学习的心脏图像重建方法及系统,包括:选取多个受试者的心脏进行切片扫描成像,每个切片获得三个图像,包括一个正常图像,一个AP方向的图像和一个FH方向的图像,将扫描获得的图像作为训练数据集,且扫描获得的图像包括清晰图像和模糊图像;使用ResNet模型对心脏扫描获得的图像进行分类,再使用多个SRN‑Deblur子模型对不同方向的模糊图像进行去模糊操作;利用AP方向的图像和FH方向的图像,计算血流矢量在三维空间中的方向和大小,用于测量模拟模糊图像的去模糊效果。利用速度编码磁共振成像进行四维流磁共振成像在心血管血流分析中具有很强的潜力,深度学习可以重建缺陷图像,消除速度编码磁共振成像中的运动模糊。
-
公开(公告)号:CN114677310B
公开(公告)日:2024-12-03
申请号:CN202210396331.6
申请日:2022-04-15
Applicant: 中南大学
IPC: G06T5/70 , G06T5/60 , G06T11/00 , G06N3/0464 , G06N3/045 , G06N3/0475 , G06N3/094
Abstract: 本发明提供了一种延迟增强磁共振图像的降噪与重建方法及系统,包括如下步骤:使用DnCNN对DE‑MRI图像进行预处理;使用SRGAN的生成器和鉴别器相互对抗,交替训练生成质量更好的图像,采用梯度惩罚解决梯度消失的问题;在原SRGAN损失函数的基础上添加WGAN损失函数监测梯度下降,提高图像重建的准确性。本发明首先对DE‑MRI图像进行DnCNN降噪,得到高峰值信噪比的图像,作为SRGAN训练图像,增加DE‑CMR训练集,增强了模型的泛化能力;其次,通过最小化Wasserstein距离,并使用梯度惩罚,使生成图像的分布与真实图像的分布接近,避免了训练的消失和爆炸,加快了模型的训练速度;最后,添加WGAN损失函数提高图像重建的准确性,使图像重建质量明显提高。
-
-