公开(公告)号：CN115063377B

公开(公告)日：2024-12-24

申请号：CN202210734637.8

申请日：2022-06-27

Applicant: 华中科技大学苏州脑空间信息研究院

Inventor： 李安安 ,  陈吴 ,  袁菁 ,  龚辉

IPC: G06T7/00 ,  G06T3/4007 ,  G06N3/048 ,  G06N3/0464 ,  G06N3/08 ,  G06T3/4076 ,  G06T3/4046

Abstract: 本发明提供一种纤维状结构三维显微图像的智能插值方法及系统，首先构建类似于各向异性低分辨率的zy面图像，作为训练的数据集，其次用xy面构建的训练数据集进行训练全卷积神经网络模型，然后将训练后的模型应用于zy面低分辨率数据上，经全卷积神经网络模型预测后实现z向分辨率的提升。本发明预测的图像结果相比于原来的zy面低分辨图像质量有显著提升，很大程度上改善了原来低分辨率图像上的锯齿现象，预测的图像神经元纤维更清晰；同时对比zy面图像绘制的灰度曲线图，预测后图像的曲线更连续平滑，消除了原来的z向低分辨图像的锯齿效应；对预测后的zy面图像做数据重切片，实现三维数据集的高分辨率各向同性。

公开(公告)号：CN115063377A

公开(公告)日：2022-09-16

申请号：CN202210734637.8

申请日：2022-06-27

Applicant: 华中科技大学苏州脑空间信息研究院

Inventor： 李安安 ,  陈吴 ,  袁菁 ,  龚辉

IPC: G06T7/00 ,  G06T3/40 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明提供一种纤维状结构三维显微图像的智能插值方法及系统，首先构建类似于各向异性低分辨率的zy面图像，作为训练的数据集，其次用xy面构建的训练数据集进行训练全卷积神经网络模型，然后将训练后的模型应用于zy面低分辨率数据上，经全卷积神经网络模型预测后实现z向分辨率的提升。本发明预测的图像结果相比于原来的zy面低分辨图像质量有显著提升，很大程度上改善了原来低分辨率图像上的锯齿现象，预测的图像神经元纤维更清晰；同时对比zy面图像绘制的灰度曲线图，预测后图像的曲线更连续平滑，消除了原来的z向低分辨图像的锯齿效应；对预测后的zy面图像做数据重切片，实现三维数据集的高分辨率各向同性。