-
公开(公告)号：CN119228927A
公开(公告)日：2024-12-31
申请号：CN202411180357.2
申请日：2024-08-27
Applicant: 南方医科大学
IPC: G06T11/00 , G06N3/0464 , G06N3/08
Abstract: 一种基于反投影张量编码的CT金属伪影校正方法，由原始弦图通过Ramp滤波器进行滤波，最后输入训练后的基于傅里叶级数展开参数化残差网络得到金属伪影校正图像。本发明将反投影张量与旋转等变卷积结合起来，由于反投影张量与投影数据或者图像数据相比能提供未压缩的无损信息，将受金属影响的反投影张量作为网络输入，重建得到不含伪影的图像。反投影张量切片内与切片间具有旋转对称结构的先验信息，因此使用旋转等变的卷积核替代普通卷积对反投影张量进行编码。该基于反投影张量编码的CT金属伪影校正方法，有利于恢复图像信息获得高质量CT图像，同时还可以降低网络参数数量，提高网络的泛化性。
-
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。
-
Patent Agency Ranking
公开(公告)号：CN119251330A
公开(公告)日：2025-01-03
申请号：CN202411222636.0
申请日：2024-09-02
Applicant: 南方医科大学
IPC: G06T11/00 , G06T5/94 , G06T5/60 , G06N3/0464
Abstract: 一种金属伪影校正网络模型及其金属伪影去除方法，其中金属伪影校正网络模型，设置有可学习伪影编码器，对未校正含金属伪影CT图像中的伪影信息进行提取和特征编码，得到对应的多尺度伪影编码特征图；可学习伪影去除器，去除未校正含金属伪影CT图像中的伪影信息；可学习伪影生成器，在与未校正含金属伪影CT图像配对的无伪影CT图像上生成伪影信息；所述可学习伪影去除器的网络结构和所述可学习伪影生成器的网络结构相同。本发明能够得到较好伪影校正效果的去金属伪影图像。
-
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：CN119273786A
公开(公告)日：2025-01-07
申请号：CN202411206250.0
申请日：2024-08-30
Applicant: 南方医科大学
IPC: G06T11/00 , G06T5/70 , G06T5/60 , G06T3/4007 , G06T3/60
Abstract: 该基于深度学习的CT全链条智能重建方法，将原始测量数据经过训练后逐像素智能校正网络、训练后逐角度智能滤波网络和训练后反投影张量智能重建网络依次处理最终得到最终CT重建图像。本发明首先逐像素智能校正网络通过学习每个像素点的方差，能够对低剂量原始测量数据进行逐像素自适应高斯滤波。而且逐角度智能滤波网络通过学习每个投影角度的滤波核，能够对弦图数据进行逐角度自适应滤波。最后反投影张量智能重建网络通过学习反投影张量到目标图像的映射，能够在降低扫描剂量的同时保证图像质量。
-
公开(公告)号：CN119251326A
公开(公告)日：2025-01-03
申请号：CN202411145658.1
申请日：2024-08-20
Applicant: 南方医科大学
IPC: G06T11/00 , G06V10/766
Abstract: 一种基于物理对偶回归学习的CT金属伪影校正方法，通过9个步骤将未校正投影数据校正得到校正后图像。该基于物理对偶回归学习的CT金属伪影校正算法与系统能增强金属伪影校正性能，并改善算法的稳定性与可靠性。本发明的有益效果为：1、金属伪影校正结果更加稳定可靠，学习过程更稳定。2、通过在学习过程中对产生金属伪影的物理机制建模，能够有效约束模型学习的映射与真实成像系统一致。
-
公开(公告)号：CN119228928A
公开(公告)日：2024-12-31
申请号：CN202411222640.7
申请日：2024-09-02
Applicant: 南方医科大学
IPC: G06T11/00 , G06T5/77 , G06T5/60 , G06N3/0464
Abstract: 一种基于可微螺旋重建算子的稀疏螺旋CT图像重建方法，首先获取对像的真实螺旋扫描几何参数和对应的全角度螺旋投影数据并通过7个步骤，获取最终重建图像。本发明利用真实扫描几何对重建稀疏角度图像进行前投影，为缺失投影提供几何先验指导；同时根据螺旋扫描相邻投影的相似性和冗余特性，构建投影补全网络，通过学习相邻角度的双向运动场，结合几何先验投影，共同合成中间缺失投影数据；而且实现图像全局条状伪影的恢复；最后实现投影域和图像域的联合训练，有利于结合投影‑图像双域信息进行整体恢复，并采用两个螺距内采集的数据进行恢复，有效避免了过大的计算量。
-
-
-
-
-
-
Search Results
7
records
(took 0.022 seconds)
