-
Patent Agency Ranking
公开(公告)号：CN114758031A
公开(公告)日：2022-07-15
申请号：CN202210672852.X
申请日：2022-06-15
Applicant: 之江实验室
Abstract: 本发明公开了一种电容耦合电阻抗层析成像图像重建方法及装置，本发明将无监督的深度卷积网络作为先验信息来对电容耦合电阻抗层析成像的图像迭代重建过程加以约束，通过训练拥有随机初始化网络参数的深度神经网络，使得该网络能够从噪声标签图像中学习其自身的内在隐藏信息，并在训练过程中通过交替性的加权平均求和等操作逐步找到噪声图像的局部最优解，生成近似于真实图像的结果，完成去噪。本发明提出的针对于电容耦合电阻抗层析成像应用的网络先验不仅能形成类似手动先验的模式来对图像重建进行噪声约束，并且能依据图像自身的结构特点做出智能化的参数调整，形成更高质量的重建图像。
-
公开(公告)号：CN116188469A
公开(公告)日：2023-05-30
申请号：CN202310478390.2
申请日：2023-04-28
Applicant: 之江实验室
IPC: G06T7/00 , G06V10/774 , G06V20/64 , G06V20/70
Abstract: 本说明书公开了一种病灶检测方法、装置、可读存储介质及电子设备，通过设置独立于检测模型的识别模型，在对医学影像序列进行检测时，将每个医学影像逐个输入训练完成的识别模型和检测模型，得到用于表征各医学影像是否包含病灶的识别结果，以及用于表征医学影像中的病灶区域的检测结果，再基于各医学影像分别对应的检测结果和识别结果，确定病灶在人体的三维模型中的三维区域。本方法在检测模型的精准度较低的情况下，也可基于识别模型，对检测模型的检测结果进一步提高，保证了病灶检测的准确率。
-
公开(公告)号：CN117011673A
公开(公告)日：2023-11-07
申请号：CN202311284723.4
申请日：2023-10-07
Applicant: 之江实验室
IPC: G06V10/84 , G06V10/30 , G06V10/764 , G06V10/82
Abstract: 本发明公开了一种基于噪声扩散学习的电阻抗层析成像图像重建方法和装置，适用于工业过程成像、地质勘探和医学成像等技术领域。本发明通过获取含有电阻抗层析成像边界测量复电压序列信息的初始反投影图像对，再将初始反投影图像对输入至预先训练好的基于噪声扩散学习的电阻抗层析成像图像重建网络模型，可快速获取低噪、超高分辨率的电阻抗层析重建图像。其中基于噪声扩散学习的EIT图像重建网络模型训练的核心思想为先向电阻抗图像逐步添加概率分布已知的噪声，直至将其转换为正态分布的噪声图像，再在约束条件引导下，利用深度神经网络预测每一个时间节点处上一步添加的噪声来对噪声图像进行逐步去噪和更新估计，直至将其恢复为高精度重构图像。
-
公开(公告)号：CN117011673B
公开(公告)日：2024-03-26
申请号：CN202311284723.4
申请日：2023-10-07
Applicant: 之江实验室
IPC: G06V10/84 , G06V10/30 , G06V10/764 , G06V10/82
Abstract: 本发明公开了一种基于噪声扩散学习的电阻抗层析成像图像重建方法和装置，适用于工业过程成像、地质勘探和医学成像等技术领域。本发明通过获取含有电阻抗层析成像边界测量复电压序列信息的初始反投影图像对，再将初始反投影图像对输入至预先训练好的基于噪声扩散学习的电阻抗层析成像图像重建网络模型，可快速获取低噪、超高分辨率的电阻抗层析重建图像。其中基于噪声扩散学习的EIT图像重建网络模型训练的核心思想为先向电阻抗图像逐步添加概率分布已知的噪声，直至将其转换为正态分布的噪声图像，再在约束条件引导下，利用深度神经网络预测每一个时间节点处上一步添加的噪声来对噪声图像进行逐步去噪和更新估计，直至将其恢复为高精度重构图像。
-
公开(公告)号：CN114758031B
公开(公告)日：2022-10-21
申请号：CN202210672852.X
申请日：2022-06-15
Applicant: 之江实验室
Abstract: 本发明公开了一种电容耦合电阻抗层析成像图像重建方法及装置，本发明将无监督的深度卷积网络作为先验信息来对电容耦合电阻抗层析成像的图像迭代重建过程加以约束，通过训练拥有随机初始化网络参数的深度神经网络，使得该网络能够从噪声标签图像中学习其自身的内在隐藏信息，并在训练过程中通过交替性的加权平均求和等操作逐步找到噪声图像的局部最优解，生成近似于真实图像的结果，完成去噪。本发明提出的针对于电容耦合电阻抗层析成像应用的网络先验不仅能形成类似手动先验的模式来对图像重建进行噪声约束，并且能依据图像自身的结构特点做出智能化的参数调整，形成更高质量的重建图像。
-
-
-
-
Search Results
5
records
(took 0.013 seconds)
