-
公开(公告)号:CN107481297B
公开(公告)日:2021-06-15
申请号:CN201710767474.2
申请日:2017-08-31
Applicant: 南方医科大学
Abstract: 一种基于卷积神经网络的CT图像重建方法,包括对原始弦图数据IK进行反投影操作,得到反投影图像数据I’K,对反投影图像数据I’K进行归一化处理,得到归一化反投影图像数据PK,将归一化反投影图像PK通过卷积神经网络进行卷积神经网络滤波,生成待处理图像P’K,对待处理图像P’K进行反归一化处理,得到最终的重建图像Pfinal。不需要对图像滤波进行特别的设计,通过对卷积神经网络模型的训练自动完成图像滤波的学习,本发明重建方法操作简单,处理方便,能够在大幅度减少图像噪声和伪影,同时较好地保持原有图像的分辨率,最终实现CT图像的优质重建。
-
公开(公告)号:CN107481297A
公开(公告)日:2017-12-15
申请号:CN201710767474.2
申请日:2017-08-31
Applicant: 南方医科大学
CPC classification number: G06T11/006 , G06N3/0454 , G06N3/08 , G06T5/002 , G06T11/008 , G06T2207/10081 , G06T2207/20024 , G06T2207/20081 , G06T2207/20084 , G06T2211/421
Abstract: 一种基于卷积神经网络的CT图像重建方法,包括对原始弦图数据IK进行反投影操作,得到反投影图像数据I’K,对反投影图像数据I’K进行归一化处理,得到归一化反投影图像数据PK,将归一化反投影图像PK通过卷积神经网络进行卷积神经网络滤波,生成待处理图像P’K,对待处理图像P’K进行反归一化处理,得到最终的重建图像Pfinal。不需要对图像滤波进行特别的设计,通过对卷积神经网络模型的训练自动完成图像滤波的学习,本发明重建方法操作简单,处理方便,能够在大幅度减少图像噪声和伪影,同时较好地保持原有图像的分辨率,最终实现CT图像的优质重建。
-
公开(公告)号:CN107492132B
公开(公告)日:2020-12-15
申请号:CN201710767445.6
申请日:2017-08-31
Applicant: 南方医科大学
Abstract: 一种数字层析成像系统的图像伪影去除方法,包括如下步骤:A1、获取数字层析成像系统的原始投影数据y,A2、分割,对原始投影数据y进行分割,A3、将高衰减物质投影数据yHighAtt生成掩模数据yHighAttMask。A4、滤波,对原始投影数据y进行滤波操作,A5、重建,将软组织投影数据yTissue重建得到软组织重建图像μTissue。对高衰减物质投影数据yHighAttFiltered进行重建,得到高衰减物质重建图像μHighAtt,A6、获得最终图像,将没有伪影的总高衰减物质重建图像μHighAtt‑FreeArtifacts与软组织重建图像μTissue求和得到最终去除伪影的图像数据。
-
公开(公告)号:CN113392955A
公开(公告)日:2021-09-14
申请号:CN202110513444.5
申请日:2021-05-11
Applicant: 南方医科大学
Abstract: 一种基于降采样成像几何建模的CT重建神经网络结构及方法,网络结构包括学习型投影域滤波网络模块,用于对CT原始投影数据进行滤波处理和降采样处理,获得降采样的投影域特征图;降采样的学习型反投影模块,用于对降采样的投影域特征图进行反投影操作,获得降采样的图像域特征图;学习型图像域滤波网络模块,用于对降采样的图像域特征图进行滤波处理和升采样处理,获得CT重建图像;降采样的学习型反投影模块设置有多通道降采样反投影算子。本发明的基于降采样成像几何建模的CT重建神经网络结构及方法,CT图像重建计算复杂度低、速度快且获得的CT重建图像精度高。
-
公开(公告)号:CN107492132A
公开(公告)日:2017-12-19
申请号:CN201710767445.6
申请日:2017-08-31
Applicant: 南方医科大学
Abstract: 一种数字层析成像系统的图像伪影去除方法,包括如下步骤:A1、获取数字层析成像系统的原始投影数据y,A2、分割,对原始投影数据y进行分割,A3、将高衰减物质投影数据yHighAtt生成掩模数据yHighAttMask。A4、滤波,对原始投影数据y进行滤波操作,A5、重建,将软组织投影数据yTissue重建得到软组织重建图像μTissue。对高衰减物质投影数据yHighAttFiltered进行重建,得到高衰减物质重建图像μHighAtt,A6、获得最终图像,将没有伪影的总高衰减物质重建图像μHighAtt-FreeArtifacts与软组织重建图像μTissue求和得到最终去除伪影的图像数据μ。
-
-
-
-