-
公开(公告)号：CN114332287B
公开(公告)日：2022-07-15
申请号：CN202210235862.7
申请日：2022-03-11
Applicant: 之江实验室
Abstract: 本发明公开了一种基于transformer特征共享的PET图像重建方法、装置、设备及介质，本发明通过获取包含PET原始数据信息的反投影图像，再将包含PET原始数据信息的反投影图像输入至预先训练好的基于transformer特征共享的PET图像重建网络模型，得到PET图像。本发明的PET图像重建网络模型由两组编码‑解码器构成，其中一组建立PET反投影图像到PET重建图像之间的映射，另一组建立PET反投影图像到先验信息图像之间的映射，同时优化两组编码‑解码器实现利用先验信息图像中的先验知识减小目标PET图像中的噪声同时保留图像细节信息。在两组编码器之间，使用transformer单元代替基于卷积的注意力机制实现在重建网络训练过程中自主学习编码器参数共享，进一步减小重建误差，改善重建PET图像质量。
-
公开(公告)号：CN113838161B
公开(公告)日：2022-02-22
申请号：CN202111413375.7
申请日：2021-11-25
Applicant: 之江实验室
Abstract: 本发明公开了一种基于图学习的稀疏投影重建方法，属于医学影像领域。该方法通过在投影重建方法中每次迭代的过程中进行一次全局随机采样，获取每个像素点的全局随机采样点；再根据门函数进行随机点的相似筛选；最后利用这些相似的随机点通过图学习的方法修正每个像素点的像素值。以此来消除因为硬件原因或者稀疏重建方法本身所导致的形状伪影。通过本发明，可以在传统的投影重建方法中直接引入该方法，用于修复稀疏角度导致的重建后图像中的形状伪影，大大的提升成像质量。
-
公开(公告)号：CN112258642A
公开(公告)日：2021-01-22
申请号：CN202011522344.0
申请日：2020-12-21
Applicant: 之江实验室 , 明峰医疗系统股份有限公司
Abstract: 本发明公开了基于深度学习的低剂量PET数据三维迭代更新重建方法，该方法是从低剂量PET原始数据出发的，基于深度学习的联合迭代更新重建方法，该方法利用三维深度神经网络拟合原始数据反投影laminogram与PET重建图像之间的正、逆映射，从训练样本中学习标准剂量先验知识并将其应用于迭代更新标准剂量laminogram和PET三维重建图像，以获取比传统重建方法以及图像域降噪处理噪声更低，分辨率更高,无伪影的PET重建图像。
-
公开(公告)号：CN111325686A
公开(公告)日：2020-06-23
申请号：CN202010087761.0
申请日：2020-02-11
Applicant: 之江实验室 , 明峰医疗系统股份有限公司
Abstract: 本发明公开了一种基于深度学习的低剂量PET三维重建方法，该方法包括将低剂量PET原始数据无损反投影至图像域，选取适当的三维深度神经网络结构以拟合低剂量PET反投影到标准剂量PET图像之间的映射，通过训练样本学习并固定网络参数后，实现从低剂量PET原始数据出发的PET图像三维重建，以获取比传统重建算法与图像域降噪处理噪声更低，分辨率更高的低剂量PET重建图像。
-
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。
-
Patent Agency Ranking
公开(公告)号：CN112802073B
公开(公告)日：2021-07-06
申请号：CN202110376958.0
申请日：2021-04-08
Applicant: 之江实验室 , 明峰医疗系统股份有限公司
Abstract: 本发明公开了一种基于图像数据和点云数据的融合配准方法，该方法首先通过图像分割获得组织器官的边界点云或通过特征提取得到图像内的特征点云，将图像数据和点云数据输入设计好的融合配准模型中，获得配准好的图像和点云数据以及变形场。所述融合配准模型包含图像配准网络和点云配准网络，训练时，损失函数由图像距离项、点云距离项、约束图像变形场和点云变形场的正则化项以及图像变形场和点云变形场的一致性约束项组成。本发明的方法能提高图像配准中边界保持的能力，在配准前获得细小结构点云信息时，该方法还能改善因细小结构隐藏在图像背景而发生误匹配的问题。
-
公开(公告)号：CN112802073A
公开(公告)日：2021-05-14
申请号：CN202110376958.0
申请日：2021-04-08
Applicant: 之江实验室 , 明峰医疗系统股份有限公司
Abstract: 本发明公开了一种基于图像数据和点云数据的融合配准方法，该方法首先通过图像分割获得组织器官的边界点云或通过特征提取得到图像内的特征点云，将图像数据和点云数据输入设计好的融合配准模型中，获得配准好的图像和点云数据以及变形场。所述融合配准模型包含图像配准网络和点云配准网络，训练时，损失函数由图像距离项、点云距离项、约束图像变形场和点云变形场的正则化项以及图像变形场和点云变形场的一致性约束项组成。本发明的方法能提高图像配准中边界保持的能力，在配准前获得细小结构点云信息时，该方法还能改善因细小结构隐藏在图像背景而发生误匹配的问题。
-
公开(公告)号：CN112258642B
公开(公告)日：2021-04-09
申请号：CN202011522344.0
申请日：2020-12-21
Applicant: 之江实验室 , 明峰医疗系统股份有限公司
Abstract: 本发明公开了基于深度学习的低剂量PET数据三维迭代更新重建方法，该方法是从低剂量PET原始数据出发的，基于深度学习的联合迭代更新重建方法，该方法利用三维深度神经网络拟合原始数据反投影laminogram与PET重建图像之间的正、逆映射，从训练样本中学习标准剂量先验知识并将其应用于迭代更新标准剂量laminogram和PET三维重建图像，以获取比传统重建方法以及图像域降噪处理噪声更低，分辨率更高,无伪影的PET重建图像。
-
公开(公告)号：CN111862320A
公开(公告)日：2020-10-30
申请号：CN202010993876.6
申请日：2020-09-21
Applicant: 之江实验室
Abstract: 本发明公开了一种SPECT三维重建图像到标准视图的自动转向方法，通过利用刚性配准算法提取SPECT三维重建图像A和标准SPECT图像R之间的刚性配准参数P形成A与P的映射数据库，利用3层卷积模块对图像A进行特征提取，并经过三次全连接转换为6维的特征向量T，经过空间变换网络应用T于A上形成网络预测的转向结果训练从而建立SPECT三维重建图像自动转向模型。将待转向SPECT三维重建图像作为输入，利用SPECT三维重建图像自动转向模型进行自动转向即可获得标准视图。本发明使用网络提取图像位置特征，形成不同角度视图到标准视图的全自动转向，减少了手动转向操作的复杂性，提高了图像操作的便捷性。
-
公开(公告)号：CN114332287A
公开(公告)日：2022-04-12
申请号：CN202210235862.7
申请日：2022-03-11
Applicant: 之江实验室
Abstract: 本发明公开了一种基于transformer特征共享的PET图像重建方法、装置、设备及介质，本发明通过获取包含PET原始数据信息的反投影图像，再将包含PET原始数据信息的反投影图像输入至预先训练好的基于transformer特征共享的PET图像重建网络模型，得到PET图像。本发明的PET图像重建网络模型由两组编码‑解码器构成，其中一组建立PET反投影图像到PET重建图像之间的映射，另一组建立PET反投影图像到先验信息图像之间的映射，同时优化两组编码‑解码器实现利用先验信息图像中的先验知识减小目标PET图像中的噪声同时保留图像细节信息。在两组编码器之间，使用transformer单元代替基于卷积的注意力机制实现在重建网络训练过程中自主学习编码器参数共享，进一步减小重建误差，改善重建PET图像质量。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.019 seconds)
