-
公开(公告)号：CN118552446A
公开(公告)日：2024-08-27
申请号：CN202410675649.7
申请日：2024-05-29
Applicant: 北京航空航天大学
IPC: G06T5/77 , G06T5/60 , G06T7/11 , G16H30/20 , G06T5/50 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于区域自注意力机制的医学图像恢复方法及系统，涉及图像处理技术领域，该基于区域自注意力机制的医学图像恢复方法包括以下步骤：获取医学图像，并对获取的医学图像处理，得到潜码特征；利用区域指导网络对医学图像进行区域划分，计算得到分割掩码；对分割掩码进行处理，计算得到注意力掩码；将注意力掩码与医学图像结合，得到合成图像。本发明通过区域自注意力机制，医学图像能够被划分成多个区域，在每个区域内进行自注意力机制的计算，不仅实现了像素之间的互补性，避免了来自不相似区域像素的潜在干扰，而且还确保了医学图像的完整性和连续性，从而提高了医学图像处理的准确性和可靠性。
-
公开(公告)号：CN112819914A
公开(公告)日：2021-05-18
申请号：CN202110164795.X
申请日：2021-02-05
Applicant: 北京航空航天大学 , 江苏赛诺格兰医疗科技有限公司
Abstract: 本发明涉及一种PET图像处理方法，方法包括：获取待处理的第一类型的PET图像；将第一类型的PET图像输入到训练的条件生成对抗网络G中，输出第二类型的PET图像；第一类型的PET图像为PET采集设备采集并重建的低信噪比PET图像，第二类型PET图像为经过G处理的、具有高信噪比的图像，且第二类型PET图像与PET采集设备采集并重建的高信噪比图像匹配，G包括：对输入的第一类型的PET图像依次进行样式表达编码和仿射变换处理的样式表达单元。本发明对低信噪比PET图像进行处理获得匹配的高信噪比PET图像，进而有效提升PET图像质量，辅助临床更加准确地进行诊断的目的。
-
公开(公告)号：CN112819914B
公开(公告)日：2023-07-18
申请号：CN202110164795.X
申请日：2021-02-05
Applicant: 北京航空航天大学 , 江苏赛诺格兰医疗科技有限公司
Abstract: 本发明涉及一种PET图像处理方法，方法包括：获取待处理的第一类型的PET图像；将第一类型的PET图像输入到训练的条件生成对抗网络G中，输出第二类型的PET图像；第一类型的PET图像为PET采集设备采集并重建的低信噪比PET图像，第二类型PET图像为经过G处理的、具有高信噪比的图像，且第二类型PET图像与PET采集设备采集并重建的高信噪比图像匹配，G包括：对输入的第一类型的PET图像依次进行样式表达编码和仿射变换处理的样式表达单元。本发明对低信噪比PET图像进行处理获得匹配的高信噪比PET图像，进而有效提升PET图像质量，辅助临床更加准确地进行诊断的目的。
-
公开(公告)号：CN113298900A
公开(公告)日：2021-08-24
申请号：CN202110484375.X
申请日：2021-04-30
Applicant: 北京航空航天大学 , 江苏赛诺格兰医疗科技有限公司
Abstract: 本发明涉及一种基于低信噪比PET图像的处理方法，包括：获取待处理的第一模式的PET图像，其为PET采集设备采集并重建的低信噪比的PET图像；将第一模式的PET图像输入到训练的G中，生成第二模式的PET图像，第二模式的PET图像为经过G处理的、具有高信噪比且无伪影的图像，G包括：包括多个特征提取模块的特征提取器和样式调制模块；特征提取器用于将所有特征提取模块输出的语义特征进行拼接并输出至样式调制模块；样式调制模块采用权重解调方式对拼接后的特征进行调制和解调，获得输出的第二模式的PET图像。上述方法可以在图像处理中很好的修复图像信息，进而实现将低信噪比的图像翻译成高信噪比的图像。
-
Patent Agency Ranking
公开(公告)号：CN118982463A
公开(公告)日：2024-11-19
申请号：CN202410675645.9
申请日：2024-05-29
Applicant: 北京航空航天大学
IPC: G06T5/50 , G06T11/00 , G06N3/0464 , G06N3/0475 , G06N3/0455 , G06N3/094 , G06V10/774 , G06T5/77 , G06T7/11
Abstract: 本发明公开了一种基于样式对齐的通用低剂量PET图像合成方法，涉及图像合成技术领域，该基于样式对齐的通用低剂量PET图像合成方法包括以下步骤：通过残差学习结构估计输入图像的残差，生成合成PET图像；对不同剂量减少系数的低剂量PET图像样式进行对齐；实现网络学习样式区域的恢复；训练卷积网络模型最小化合成PET图像与全剂量PET图像之间的差异；通过不同剂量减少系数的数据对训练后的卷积网络模型进行验证。本发明通过提出样式对齐网络SAN，使得模型能够自适应性的将不同DRF的低剂量PET图像的样式进行对齐和恢复，从而使模型能够在不同DRF的低剂量PET图像上有强大的泛化性。
-
公开(公告)号：CN118469875A
公开(公告)日：2024-08-09
申请号：CN202410675650.X
申请日：2024-05-29
Applicant: 北京航空航天大学
IPC: G06T5/77 , G06T5/60 , G16H30/20 , G06T5/50 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于动态路由机制的通用医学图像恢复方法及系统，用于图像处理领域，该通用医学图像恢复方法包括以下步骤：该通用医学图像恢复方法包括以下步骤：构建路由指令网络；基于路由指令网络，利用卷积神经网络编码器、全局平均池化及Softmax函数，从输入的医学图像中提取特征并归一化权重，并基于归一化后权重的特征对指令字典中的指令进行加权，生成图像指令；利用动态路由机制将图像指令转化为通道掩码，让通道掩码通过预设的通道路径，输出最终的合成图像。本发明不同任务选择不同的通道路径，避免了任务之间的相互干扰，从而缓解了任务之间冲突带来的模型性能下降，从而提升模型最终的性能。
-
公开(公告)号：CN118429200A
公开(公告)日：2024-08-02
申请号：CN202410675651.4
申请日：2024-05-29
Applicant: 北京航空航天大学
IPC: G06T5/50 , G06T11/00 , G06N3/0455 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06V10/774 , G06V10/80 , G06T5/77
Abstract: 本发明公开了一种基于向量量化码书先验的PET图像合成方法，涉及图像合成技术领域，该方法包括以下步骤：构建第一阶段网络模型，并基于PET图像训练集，利用自重构任务训练第一阶段网络模型；基于训练后的第一阶段网络模型，利用离散码书与向量量化解码器解码出的多层次特征作为先验知识指导PET图像合成，并构建第二阶段网络模型；配置第二阶段网络模型的网络参数，并优化调节策略。本发明利用高质量码书先验指导PET图像合成过程，能够通过训练的码书存储具有高信息密度与高表达性的先验知识，并借助深度网络的多层非线性变换来捕获上下文丰富的图像信息，进而帮助生成生动的图像细节。
-
公开(公告)号：CN113298900B
公开(公告)日：2022-10-25
申请号：CN202110484375.X
申请日：2021-04-30
Applicant: 北京航空航天大学 , 江苏赛诺格兰医疗科技有限公司
Abstract: 本发明涉及一种基于低信噪比PET图像的处理方法，包括：获取待处理的第一模式的PET图像，其为PET采集设备采集并重建的低信噪比的PET图像；将第一模式的PET图像输入到训练的G中，生成第二模式的PET图像，第二模式的PET图像为经过G处理的、具有高信噪比且无伪影的图像，G包括：包括多个特征提取模块的特征提取器和样式调制模块；特征提取器用于将所有特征提取模块输出的语义特征进行拼接并输出至样式调制模块；样式调制模块采用权重解调方式对拼接后的特征进行调制和解调，获得输出的第二模式的PET图像。上述方法可以在图像处理中很好的修复图像信息，进而实现将低信噪比的图像翻译成高信噪比的图像。
-
公开(公告)号：CN113298807A
公开(公告)日：2021-08-24
申请号：CN202110692113.2
申请日：2021-06-22
Applicant: 北京航空航天大学
Abstract: 本发明提供用于处理计算机断层扫描图像的方法，可以基于低剂量计算机断层扫描图像进行分割和/或检测，克服了低剂量计算机断层扫描图像的低清晰度、噪声大等不利因素，提高了针对低剂量计算机断层扫描图像的分割和/或检测的准确率以及精度。该方法包括：将低剂量计算机断层扫描图像映射生成全剂量计算机断层扫描图像；对所生成的全剂量计算机断层扫描图像进行分割和/或检测；以及利用图像分割和/或检测的结果进一步约束所述全剂量计算机断层扫描图像的生成过程。本发明还提供了执行该方法的相应装置。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.017 seconds)
