-
公开(公告)号：CN113327305A
公开(公告)日：2021-08-31
申请号：CN202110598228.5
申请日：2021-05-31
Applicant: 华中科技大学
Abstract: 本发明公开了一种模型驱动的深度学习荧光分子断层成像方法及系统。该方法包括：获取待测试的表面探测荧光分布；将待测试的表面探测荧光分布输入到荧光分子断层成像模型中，得到待检测的荧光团分布；荧光分子断层成像模型是利用测试集对分层网络模型训练而成的；分层网络模型是基于荧光分子断层成像图像重建的正则化优化目标函数的梯度、多层三维卷积神经网络的残差块结构和梯度下降算法构建而成的。本发明采用荧光分子断层成像模型建立了表面探测荧光分布和荧光团分布之间端到端的映射关系，避开了传统的基于模型的图像重建的劣势，提高了图像重建的质量。
-
Patent Agency Ranking
公开(公告)号：CN113331788B
公开(公告)日：2022-10-25
申请号：CN202110598203.5
申请日：2021-05-31
Applicant: 华中科技大学
Abstract: 本发明涉及一种MFMT‑XCT双模式系统，包括MFMT子系统和XCT子系统，XCT子系统包括X射线管、X射线探测器，通过X射线管产生X射线光信号照射样品，采用X射线探测器接收透射过样品的X射线光信号。MFMT子系统包括激发扫描模块、二向色镜和探测模块；探测模块包括：相机镜头，将相机镜头进行离焦。激发光信号经过二向色镜对样品进行照射，样品上的荧光团与激发光信号相互作用产生携带样品信息的荧光信号，样品还对激发光信号进行反射形成携带样品信息的激发光信号；携带样品信息的荧光信号和携带样品信息的激发光信号经二向色镜的反射到达探测模块，得到激发光探测数据和荧光探测数据。本发明采用离焦探测技术，实现了宏观和介观尺度下的荧光分子断层成像。
-
公开(公告)号：CN113331788A
公开(公告)日：2021-09-03
申请号：CN202110598203.5
申请日：2021-05-31
Applicant: 华中科技大学
Abstract: 本发明涉及一种MFMT‑XCT双模式系统，包括MFMT子系统和XCT子系统，XCT子系统包括X射线管、X射线探测器，通过X射线管产生X射线光信号照射样品，采用X射线探测器接收透射过样品的X射线光信号。MFMT子系统包括激发扫描模块、二向色镜和探测模块；探测模块包括：相机镜头，将相机镜头进行离焦。激发光信号经过二向色镜对样品进行照射，样品上的荧光团与激发光信号相互作用产生携带样品信息的荧光信号，样品还对激发光信号进行反射形成携带样品信息的激发光信号；携带样品信息的荧光信号和携带样品信息的激发光信号经二向色镜的反射到达探测模块，得到激发光探测数据和荧光探测数据。本发明采用离焦探测技术，实现了宏观和介观尺度下的荧光分子断层成像。
-
公开(公告)号：CN115868923B
公开(公告)日：2024-08-02
申请号：CN202210422605.4
申请日：2022-04-21
Applicant: 华中科技大学
Abstract: 本发明涉及分子成像技术领域，公开了一种基于展开式循环神经网络的荧光分子断层成像方法及系统，具体通过获取荧光灵敏度矩阵，对荧光灵敏度矩阵进行归一化处理，基于归一化处理后的荧光灵敏度矩阵确定优化目标函数，计算与荧光灵敏度矩阵满足最小相干标准的权重矩阵，获取表面荧光分布图像，基于所述表面荧光分布图像和权重矩阵，构建循环神经网络，获取训练集，采用所述训练集对所述循环神经网络进行训练，采用所述训练后的循环神经网络，对所述优化目标函数进行求解得到重建后的在体荧光分布图像。本发明中的上述方法及系统引入相应的物理原理来提升神经网络的可解释性，训练所需的样本也较少，并且可以缩减网络的深度，提高图像重建质量。
-
公开(公告)号：CN113327305B
公开(公告)日：2022-06-24
申请号：CN202110598228.5
申请日：2021-05-31
Applicant: 华中科技大学
Abstract: 本发明公开了一种模型驱动的深度学习荧光分子断层成像方法及系统。该方法包括：获取待测试的表面探测荧光分布；将待测试的表面探测荧光分布输入到荧光分子断层成像模型中，得到待检测的荧光团分布；荧光分子断层成像模型是利用测试集对分层网络模型训练而成的；分层网络模型是基于荧光分子断层成像图像重建的正则化优化目标函数的梯度、多层三维卷积神经网络的残差块结构和梯度下降算法构建而成的。本发明采用荧光分子断层成像模型建立了表面探测荧光分布和荧光团分布之间端到端的映射关系，避开了传统的基于模型的图像重建的劣势，提高了图像重建的质量。
-
公开(公告)号：CN115868923A
公开(公告)日：2023-03-31
申请号：CN202210422605.4
申请日：2022-04-21
Applicant: 华中科技大学
Abstract: 本发明涉及分子成像技术领域，公开了一种基于展开式循环神经网络的荧光分子断层成像方法及系统，具体通过获取荧光灵敏度矩阵，对荧光灵敏度矩阵进行归一化处理，基于归一化处理后的荧光灵敏度矩阵确定优化目标函数，计算与荧光灵敏度矩阵满足最小相干标准的权重矩阵，获取表面荧光分布图像，基于所述表面荧光分布图像和权重矩阵，构建循环神经网络，获取训练集，采用所述训练集对所述循环神经网络进行训练，采用所述训练后的循环神经网络，对所述优化目标函数进行求解得到重建后的在体荧光分布图像。本发明中的上述方法及系统引入相应的物理原理来提升神经网络的可解释性，训练所需的样本也较少，并且可以缩减网络的深度，提高图像重建质量。
-
-
-
-
-
Search Results
6
records
(took 0.02 seconds)
